场景
从GISAID上面批量下载下来的序列id很长，格式如下：
太长了，并且makeblastdb的时候-parse_seqids参数会导致报错，大概是长度太长不符合要求无法处理之类的。
不作处理去掉-parse_seqids也没问题，不过怕后期引起不必要的麻烦，这个时候就需要处理一下这些id
sed
想着直接sed处理一下就好，因为有两个“|”存在，结果发现sed没法做到非贪婪……
grep '>' ../gisaid.fasta|sed s/hMpxV.*?\|//g|less
没效果啊~
添加-r用扩展的正则也没用~
看help，sed也没有-p参数……
原来sed并不支持“非贪婪”的正则，有地方是这么解释的：
https://www.codenong.com/40117611/
https://qa.1r1g.com/sf/ask/2808232801/
大概就是说非贪婪匹配是通过perl的PCRE引入主流的，而sed的规范比PCRE早了好几年……
有点难以令人信服……
解决
不支持就绕道吧，不要中间有“|”就得了
grep '>' ../gisaid.fasta|sed s/hMpxV[^\|]*\|//g|less
就这样吧
sed -i s/hMpxV[^\|]*\|//g gisaid.fasta
sed -i s/\|.*//g gisaid.fasta
posted on
