生物信息之独孤九剑——grep

编者按：

在金庸武学体系的众多武功之中，独孤九剑并不是最强劲的武功，它与其他武林绝学有很大的不同，可以说是鹤立鸡群。比如乔峰的降龙十八掌，段誉的六脉神剑，张无忌的九阳神功，石破天的罗汉伏魔神功，这些神功都需要强大的内力支撑，而独孤九剑则不同，不需要内力，这点其实可以从华山派气宗与剑宗的分歧就可以看出来。独孤九剑传人风清扬属于剑宗，更注重招式，而不是像剑宗注重练气。独孤九剑分为总诀式，破剑式，破刀式，破枪式，破鞭式，破索式，破箭式，破掌式，破气式，遇到不同的场景使用关不同的招式，因此，独孤九剑更加注重问题的解决，本质上就是就是通过工具来解决问题。只要学会这九剑，就可以处理很多的问题。学习生物信息也是同样的道理，当然练好内功，掌握很好的基础是非常必要的，但是也可以学习一些小工具，解决一些实际问题。那么从这次内容开始，我们就来给大家介绍生物信息之独孤九剑。

grep是Linux下非常重要的一个工具，grep全称是Global Regular Expression Print，表示全局正则表达式版本。grep是一个文本筛选器，其实也是搜索的功能，grep的工作原理是，给定一个条件，我们也叫作模式，然后从文本中筛选出符合这个条件的内容，然后将这一行输出出来。有点类似于搜索引擎，在一个很大的文本中，筛选出满足设定条件的部分。grep在生物信息分析中，可以快速从文本中筛选出需要的内容。

首先来介绍一下grep的选项参数，grep的选项参数也很多，主要分为四部分，首先是正则表达式相关的选项，然后是Miscellaneous，其余方面，输出控制，以及上下文控制等。

-E或–extended-regexp 扩展功能的grep，也叫作egrep，可以直接敲egrep命令。

-F或–fixed-regexp 将范本样式视为固定字符串的列表，也叫作fgrep，可以直接敲fgrep命令。

-G或–basic-regexp 将范本样式视为普通的表示法来使用。

-P 或–perl-regexp 使用perl的正则表达式。

不同模式的正则表达式之间稍微有些差别。

-f --file=接一个模式的文件，让grep查找符合范本条件的文件内容，格式为每列一个范本样式；当要搜索条件过多时，可以将条件写入一个文件。

-i或–ignore-case 忽略字符大小写的差别。

-w或–word-regexp 只显示全字符合的列。

-x或–line-regexp 只显示全列符合的列。

再来看一下输出选项，

-h 在显示符合范本样式的那一列之前，不标示该列所属的文件名称。

-H 在显示符合范本样式的那一列之前，表示该列所属的文件名称。

-l 列出满足条件的文件名称，而不是具体内容，这个用在文件很多时，筛选出哪些文件包含条件的内容。然后将这些文件筛选出来。

这其中有几个选项是非常重要的。

首先是-v，–revert-match ，显示不匹配模式的行，有时候我们需要输出哪些是不满足条件的行，这时就可以使用-v选项。

-n 是在输出满足条件的内容前加行行号。

-r 和-d类似，用于搜索目录，可以用于搜索目录下的每一个文件；

下面来看一下上下文控制。

-B 是before的意思，后面接一个数字，表示将满足条件的行，前面几行也输出出来。

-A 是After的意思，和-B类似，表示将满足条件的行，下面几行输出出来。

-C 后面接一个数字， 除了显示符合范本样式的那一列之外，并显示该列之前后的内容。 也可以不用-C，直接连字符接数字。比如-2

输出满足条件的上下几行。

-c或–count 计算符合范本样式的列数。

案例一：统计fasta文件中序列的条数；

案例二：输出满足条件的序列；

这里有一个lastz比对的axt格式文件，这种格式第一列是比对的统计，下面两列是参考序列和待查序列的序列。我们可以使用grep搜索某个序列是否比对上了，加-l选项，则判断出是否比对上，而不列出具体的内容。-n或列出来满足条件的行号。因为这个一次输出满足条件的行，序列在下面两行，这个时候可以添加-A 2，这样就把一个比对的内容全部显示出来了。

案例三：筛选出不满足条件的内容；

grep不仅可以用于文件中筛选，同样可以用于很多命令屏幕输出结果的筛选中。比如ll，ps等。

敲ps -fx 然后使用管道，grep -v “S"，不输出进程状态为S的任务。

欢迎订阅微信公众号：基因学苑