unix 中的模式匹配和擷取

我有一個這樣的文件：

A1-1915435_1_MIMAT0000069_MirBase_miR-16_microRNA_1_22-A1-1915435_1_ENSG00000206737_ENST00000384010_U1_snRNA_73_115
A1-2362643_1_MIMAT0000732_MirBase_miR-378_microRNA_1_21-A1-2362643_1_ENSG00000222328_ENST00000410396_U2_snRNA_168_211

我想要一個輸出，其中我將 micro RNA 部分和 ENSG 部分選項卡分開。像這樣的一些事情：

miR-16_microRNA ENSG00000206737
miR-378_microRNA    ENSG00000222328

我可以為它編寫一個 perl 腳本，但我想必須有使用 awk、sed perl 等的命令行解決方案。

perl -pe 's!.*(miR-\d+_microRNA).*(ENSG\d+).*!$1\t$2!'

解釋一下？

當然，對不起：

• 對於每一行（perl -p）

• 用$1 tab $2where 替換正則表達式

  • $1並且$2是對擷取組的編號反向引用(...)。幾乎所有現代正則表達式引擎都支持這一點。

• 關於正則表達式：

  • . = 任何字元，除了\n
  • .*= 一系列字元（在替換中忽略）
  • \d= 數字（與 相同[0-9]）
  • \d+= 一個或多個\d

有關更詳細的說明，請參閱任何reg 表達式教程。

使用sed：

sed 's/^.*\(miR-[0-9]*_microRNA\).*\(ENSG[0-9]*\).*$/\1\t\2/' <infile

引用自：https://unix.stackexchange.com/questions/176654