Linux 如何使用bash从大文件中提取以特定字符开头的所有单词？

我有一个非常大的文件，看起来像这样：

ENST00000629289"; transcript_version "2"; exon_number "22"; gene_name "CDK11B"; gene_source "ensembl_havana"; gene_biotype "protein_coding"; transcript_name "CDK11B-208"; transcript_source "ensembl"; transcript_biotype "protein_coding"; exon_id "ENSE00001594002"; exon_version "1"; tag "basic"; transcript_support_level "5";
ENST00000629289"; transcript_version "2"; exon_number "22"; gene_name "CDK11B"; gene_source "ensembl_havana"; gene_biotype "protein_coding"; transcript_name "CDK11B-208"; transcript_source "ensembl"; transcript_biotype "protein_coding"; exon_id "ENSE00001594002"; exon_version "1"; tag "basic"; transcript_support_level "5";
ENST00000629289"; transcript_version "2"; exon_number "22"; gene_name "CDK11B"; gene_source "ensembl_havana"; gene_biotype "protein_coding"; transcript_name "CDK11B-208"; transcript_source "ensembl"; transcript_biotype "protein_coding"; protein_id "ENSP00000485937"; protein_version "1"; tag "basic"; transcript_support_level "5";

我想提取所有仅以特定字符ENST开头的单词 我尝试了以下命令：

 sed 's/.*\(ENST.*transcript_version\)/\1/p'

但它会打印出所有的行。 有人能帮我吗？

使用grep和-o选项只打印匹配的部分：

grep -Po '^ENST.*transcript_version' file

使用sed

---

注意，-E选项启用扩展正则表达式，如果不支持，请改用-r选项。另外，我觉得最优雅的解决方案是。

您似乎对sed解决方案感兴趣，或者您可能因为某些不寻常的原因需要一个sed解决方案。 否则，我建议使用grep解决方案，例如，此处其他答案提供的类似解决方案。可能不容易检查是否有成绩单，但无法打印，我相信您的描述意味着这一点，尽管您的代码不同。至少没有greps-P选项；例如，在我的grep中不可用。或者使用perl或awk

为了：

仅从匹配的行打印，使用-n 仅打印ENST0000629289；抄本版本，最后使用另一个。* 不打印；如果不确定您是否真的想要，请移动\ 仅打印ENST*使用更紧的正则表达式[[：alnum:][]*\.**************************************************************************************** 代码：

输出：

ENST00000629289
ENST00000629289
ENST00000629289

代码2用于包含成绩单，如果您需要：

sed -n 's/.*\(ENST[[:alnum:]]*.*transcript_version\).*/\1/p'

产出2：

ENST00000629289"; transcript_version
ENST00000629289"; transcript_version
ENST00000629289"; transcript_version

我的sed：

---

GNU sed版本4.2.1

预期的输出是什么？添加到@sjam的评论中：您的sed尝试表明，您不只是想提取第一个单词，而是从行的开头到转录本版本的所有内容。请通过直接更新您的问题来澄清。做得很好。虽然-P可以很好地与Linux上的GNU grep配合使用，但这里不需要它-在这种情况下只需-o就可以了，这将使命令也可以在BSD/macOS上工作。好的，谢谢您的建议。但我之所以提到-P选项，是因为perl正则表达式将更加强大@解释grep只是sed的一个子集也很有用。基本上，sed是grep的大哥：@DavidC.Rankin：将grep称为sed的子集可能会产生误导，因为它们的语法不兼容。按照同样的松散逻辑，grep是awk的一个子集。

sed -n 's/.*\(ENST[[:alnum:]]*.*transcript_version\).*/\1/p'

ENST00000629289"; transcript_version
ENST00000629289"; transcript_version
ENST00000629289"; transcript_version