Regex 从vcf文件中提取字符串

我需要从几千万行的

vcf

文件中的以下行中提取

RS=368138379

字符串。我想知道我们如何使用

grep-o”“

和正则表达式来快速提取它

AF_ESP=0.0001;ALLELEID=359042;CLNDISDB=MedGen:C0678202,OMIM:266600;CLNDN=Inflammatory_bowel_disease_1;CLNHGVS=NC_000006.11:g.31779521C>T;CLNREVSTAT=no_assertion_criteria_provided;CLNSIG=association;CLNVC=single_nucleotide_variant;CLNVCSO=SO:0001483;GENEINFO=HSPA1L:3305;MC=SO:0001583|missense_variant;ORIGIN=4;RS=368138379

---

非常感谢

类似于

RS=\d+

的内容应该可以满足您所寻找的表达式的要求。

假设

text。log

包含您可以使用的日志：

grep -oE "RS=[0-9]+" test.log

如果要同时打印行号：

grep -noE "RS=[0-9]+" test.log

最好避免使用解析VCF/BCF文件。改用：

一个简单的

zgrep-oE“RS=[0-9]+”clinvar.vcf.gz

将丢失包含多个ID的记录的RS值，这些ID可以用管道分隔：

##INFO=<ID=RS,Number=.,Type=String,Description="dbSNP ID (i.e. rs number)">

##信息=

---

当可能值的数量变化、未知或无限制时，数字为

。请参阅：

到目前为止，您尝试了什么？我尝试了类似于cat File | grep“RS=（*？）”和grep-o'RS\=*？'所有失败非常感谢您的帮助，grep-oE“RS=\d+”clinvar.vcf对我的案例非常有用。

##INFO=<ID=RS,Number=.,Type=String,Description="dbSNP ID (i.e. rs number)">