非常に長いテキストファイルがありますが、ファイルの内容の一部は次のとおりです。
[{"site":"1a2v_1","pfam":"Cu_amine_oxid","uniprot":"P12807"},{"site":"1a2v_2","pfam":"Cu_amine_oxid","uniprot":"P12807"},{"site":"1a2v_3","pfam":"Cu_amine_oxid","uniprot":"T12807"},{"site":"1a2v_4","pfam":"Cu_amine_oxid","uniprot":"P12808"},{"site":"1a2v_5","pfam":"Cu_amine_oxid","uniprot":"Z12809"},{"site":"1a2v_6","pfam":"Cu_amine_oxid","uniprot":"P12821"},{"site":"1a3z_1","pfam":"Copper-bind,SoxE","uniprot":"P0C918"},
上記のテキストファイルのIDを解析する必要があり、uniprot予想される結果は次のとおりです。
P12807
P12807
T12807
P12808
Z12809
P12821
P0C918
同じタスクを実行するために次のコマンドを試しましたが、何も機能しませんでした。
sed -e 's/"uniprot":"\(.*\)"},{"site":"/\1/' file.txt
cat file.txt | sed 's/.*"uniprot":" //' | sed 's/"site":".*$//'
上記のIDを分析するのに役立ちます。
よろしくお願いします。
ベストアンサー1
Linuxシステムを使用している場合は、次のことを非常に簡単に実行できます。
$ grep -oP '"uniprot":"\K[^"]+' file
P12807
P12807
T12807
P12808
Z12809
P12821
P0C918
-o各行の一致部分のみを印刷し、grepPerl-P準拠の正規表現を有効にすることを示します。正規表現は探していますが、"uniprot":"削除します（つまり、\K「これまで一致するすべての項目を削除」して出力に含まれないことを意味します）。次に、"（）ではなく最も長いセグメントを見つけます[^"]+。
もちろんこれはJSONデータのように見えるため、より複雑な場合は適切なパーサーを使用する必要がありますjq。たとえば、終了ステートメントを追加してファイルを変更し、]次のようにします。
[{"site":"1a2v_1","pfam":"Cu_amine_oxid","uniprot":"P12807"},{"site":"1a2v_2","pfam":"Cu_amine_oxid","uniprot":"P12807"},{"site":"1a2v_3","pfam":"Cu_amine_oxid","uniprot":"T12807"},{"site":"1a2v_4","pfam":"Cu_amine_oxid","uniprot":"P12808"},{"site":"1a2v_5","pfam":"Cu_amine_oxid","uniprot":"Z12809"},{"site":"1a2v_6","pfam":"Cu_amine_oxid","uniprot":"P12821"},{"site":"1a3z_1","pfam":"Copper-bind,SoxE","uniprot":"P0C918"}]
あなたはできます：
$ jq -r '.[].uniprot' file
P12807
P12807
T12807
P12808
Z12809
P12821
P0C918