18、正则表达式与 Sed 编辑器全面指南

正则表达式与 Sed 编辑器全面指南

1. 正则表达式搜索模式与示例

正则表达式在文本处理和模式匹配中具有强大的功能。下面通过具体示例来展示其在 DNA 序列重复查找中的应用。

1.1 查找 DNA 重复序列

使用 egrep 命令可以查找 DNA 序列文件中的重复序列。例如，在文件 sequence.dna 中查找 DNA 核苷酸双联体的重复序列，可使用如下命令：

$ egrep ’([ACTG][ACTG])\1\1’ sequence.dna

该命令会匹配文件中符合条件的序列，如：

GATAGCTATGTCGATGCTGATGCATGCATGCGGGGGGATTGAAAAAGG
CGTGTGTAGCGTAATATATGCTATAGCATTGGCATTA

其中， GGG GGG 、 GTGTGT 和 ATATAT 就是匹配到的重复序列。

若要匹配三联体的反向重复序列，如 TCAACT 、 GCGGCG 或 AAAAAA ，可使用以下命令：

egrep ’([ACTG])([ACTG])([ACTG])\3\2\1’ filename