三剑客 | grep

使用 grep、sed、awk 等命令，要注意正则表达式的灵活使用

• Global Search Regular Expression and Print out the line (全局搜索正则表达式并打印文本行)

-A: 除了显示符合范本样式的那一行之外，并显示该行之后（After）的内容
-B: 除了显示符合样式的那一行之外，并显示该行之前（Before）的内容
-E: 支持扩展正则表达式
-F: 不支持正则表达式，将模式按字面意义匹配
-f: 匹配两个文件
-w: 精确匹配
-v: 排除/只显示不匹配
-n: 显示行号
-l: 只列出含有匹配的文本行的文件的文件名，不显示匹配内容
-r: 递归搜索，不仅搜索当前目录，还要搜索各级子目录

有这么一个文件genome.fa

$ cat genome.fa
>chr1
ATTCATAGCCAATTTAGCC
>chr2
GATCAGCAGTTTATT
>chr3
GGCAAGTTACGGC
>chr10
TTTCAGCCAG
>chr11
CCATAA

$ echo -e "chr1\nchr2\nchr3" | grep -wf - genome.fa 
>chr1
>chr2
>chr3

不加 -w 会匹配上 chr10 和 chr11，为什么不受【>】的影响我也不知道，特殊符号里只有下划线【_】保守；
-f是比较两个文件，- 把标准输出作为了一个文件，活用 - 可以少很多中间文件；
也可以写成 grep -wE "chr1|chr2|chr3" genome.fa，在有-E参数的时候 | 表示【或】。

$ grep -E "chr1|chr2" -A 1  genome.fa
>chr1
ATTCATAGCCAATTTAGCC
>chr2
GATCAGCAGTTTATT
--
>chr10
TTTCAGCCAG
>chr11
CCATAA

chr1 和 chr2 之间没有“--” 是因为他俩本来就在一块，加上 | grep -v "\--" 可以去掉，\ 可以使 -- 成为它本来的意思；
-A 1 输出了匹配行的下一行。

$ grep "chr1." genome.fa
>chr10
>chr11
$ grep -F "chr1." genome.fa
$

-F会忽略正则表达式。在很多基因名中都有【.】之类的字符，平时搜索基因的时候，要注意加上 -F 进行更准确的匹配。