Regex 如果一行后面有一个以相同字符开头的行，如何删除该行？

我需要一些关于sed或awks的帮助

如果一行后面有一个以相同字符开头的行（在本例中为>），如何删除该行

我举了一个例子：

>1_SRR1422294
ATCGTCAGGTAGGGTTGCGCTCGTTGCGGGACTTAACCCAACATCTCACGACACGAGCTGACGACAGCCATGCAT
>2_SRR1422294
CGTCAGACGTAGGGTTGCGCTCGTTGCGGGACTTAACCCAACATCTCACGACACGAGCTGACGACAGCCATGCAG
>5_SRR1422298
>5_SRR1422294
CGTCAGACGTAGGGTTGCGCTCGTTGCGGGACTTAACCCAACATCTCACGACACGAGCTGACGACAGCCATGCAG
>6_SRR1422294
>6_SRR1422250
TGTTCATGGTAGGGTTGCGCTCGTTGCGGGACTTAACCCACATCTCACGACACGAGCTGACGACAGCCATGCAGC
>9_SRR1422294
GCGACTAGGTAGGGTTGCGCTCGTTGCGGGACTTAACCCACATCTCACGACACGAGCTGACGACAGCCATGCAGC

我想得到这个：

>1_SRR1422294
ATCGTCAGGTAGGGTTGCGCTCGTTGCGGGACTTAACCCAACATCTCACGACACGAGCTGACGACAGCCATGCAT
>2_SRR1422294
CGTCAGACGTAGGGTTGCGCTCGTTGCGGGACTTAACCCAACATCTCACGACACGAGCTGACGACAGCCATGCAG
>5_SRR1422294
CGTCAGACGTAGGGTTGCGCTCGTTGCGGGACTTAACCCAACATCTCACGACACGAGCTGACGACAGCCATGCAG
>6_SRR1422250
TGTTCATGGTAGGGTTGCGCTCGTTGCGGGACTTAACCCACATCTCACGACACGAGCTGACGACAGCCATGCAGC
>9_SRR1422294
GCGACTAGGTAGGGTTGCGCTCGTTGCGGGACTTAACCCACATCTCACGACACGAGCTGACGACAGCCATGCAGC

请注意，并非所有的行都有相同的数字，但它们都有相同的格式，这就是为什么我要使用正则表达式。如果你能解释一下如何阅读你产生的代码，那就太好了

---

非常感谢你

如果整个文件遵循该模式（以

开头的一些行，您只需要最后一行，后面是应始终打印的一行），您可以使用如下方式：

awk '/^>/ { latest=$0 } !/^>/ { if (latest) { print latest; latest="" } print }'

如果行以

开头，则会记住它（存储在变量

latest

中），但不会打印。如果行不是以

开头，则只在第一次打印最近存储在

latest

中的内容后才打印

条件表示即使一行中有多个非

行，每个打印的

行也只显示一次。由于这不会发生在示例数据中，因此您可能不需要复杂化，可以使用以下更简单的无条件版本：

awk '/^>/ { latest=$0 } !/^>/ { print latest; print }'

---

如果整个文件遵循该模式（以

开头的一些行，其中您只需要最后一行，后面是应始终打印的一行），则可以使用如下方式：

awk '/^>/ { latest=$0 } !/^>/ { if (latest) { print latest; latest="" } print }'

如果行以

开头，则会记住它（存储在变量

latest

中），但不会打印。如果行不是以

开头，则只在第一次打印最近存储在

latest

中的内容后才打印

条件表示即使一行中有多个非

行，每个打印的

行也只显示一次。由于这不会发生在示例数据中，因此您可能不需要复杂化，可以使用以下更简单的无条件版本：

awk '/^>/ { latest=$0 } !/^>/ { print latest; print }'

---

只需使用带有

-w

（

-check chars=N

）选项的

uniq

命令，即可轻松获得所需的结果：

输出：

>1_SRR1422294
ATCGTCAGGTAGGGTTGCGCTCGTTGCGGGACTTAACCCAACATCTCACGACACGAGCTGACGACAGCCATGCAT
>2_SRR1422294
CGTCAGACGTAGGGTTGCGCTCGTTGCGGGACTTAACCCAACATCTCACGACACGAGCTGACGACAGCCATGCAG
>5_SRR1422298
CGTCAGACGTAGGGTTGCGCTCGTTGCGGGACTTAACCCAACATCTCACGACACGAGCTGACGACAGCCATGCAG
>6_SRR1422294
TGTTCATGGTAGGGTTGCGCTCGTTGCGGGACTTAACCCACATCTCACGACACGAGCTGACGACAGCCATGCAGC
>9_SRR1422294
GCGACTAGGTAGGGTTGCGCTCGTTGCGGGACTTAACCCACATCTCACGACACGAGCTGACGACAGCCATGCAGC

---

-w，--check chars=N
比较行中不超过N个字符

---

---

它将比较每行的前N个字符，以决定重复的行

只需使用

uniq

命令和

-w

（

--check chars=N

）选项即可轻松获得所需的结果：

输出：

>1_SRR1422294
ATCGTCAGGTAGGGTTGCGCTCGTTGCGGGACTTAACCCAACATCTCACGACACGAGCTGACGACAGCCATGCAT
>2_SRR1422294
CGTCAGACGTAGGGTTGCGCTCGTTGCGGGACTTAACCCAACATCTCACGACACGAGCTGACGACAGCCATGCAG
>5_SRR1422298
CGTCAGACGTAGGGTTGCGCTCGTTGCGGGACTTAACCCAACATCTCACGACACGAGCTGACGACAGCCATGCAG
>6_SRR1422294
TGTTCATGGTAGGGTTGCGCTCGTTGCGGGACTTAACCCACATCTCACGACACGAGCTGACGACAGCCATGCAGC
>9_SRR1422294
GCGACTAGGTAGGGTTGCGCTCGTTGCGGGACTTAACCCACATCTCACGACACGAGCTGACGACAGCCATGCAGC

---

-w，--check chars=N
比较行中不超过N个字符

---

---

它将比较每行的前N个字符，以决定重复的行

尝试：如果您的数据与给定的示例输入文件相同，则以下内容可能会在相同方面帮助您

awk '/^>/{A=$0;next} {print A ORS $0;A=""}'  Input_file

---

尝试：如果您的数据与给定的示例输入文件相同，那么以下内容可能会在相同方面帮助您

awk '/^>/{A=$0;next} {print A ORS $0;A=""}'  Input_file

这可能适用于您（GNU-sed）：

将两行读入图案空间，如果第一行和第二行以

开头，则不要打印其中的第一行

这可能适合您（GNU-sed）：

sed 'N;/^>.*\n\w/!D' file #(GNU sed)

将两行读入图案空间，如果第一行和第二行以

开头，则不要打印其中的第一行

sed 'N;/^>.*\n\w/!D' file #(GNU sed)

N：将下一行读入模式空间
/^>*\n\w/！D：如果第一行以“>”开头，第二行不以字母开头，则删除第一行

---

N：将下一行读入模式空间
/^>*\n\w/！D：如果第一行以“>”开头，而第二行不是以字母开头的GNU grep:

grep-Poz'^>*\n[^>].*文件

GNU grep:

grep-Poz'^>*\n[^>].*文件