我使用的命令正确吗？

如何解决我使用的命令正确吗？

我试图在终端上编写单行命令，以在一个很大的文件中计算所有唯一的“ gene-MIR” 。 “ gene-MIR” 后接一系列数字ex。 gene-MIR334223 ， gene-MIR633235 ， gene-MIR53453 ... etc ，并且存在多个相同的“ gene-MIR” gene-MIR342433 可能在脚本中显示 10x 。

我的问题是，如何编写一个命令来注释文件中存在的唯一“ gene-MIR”？

到目前为止，我一直在使用的命令是：

1. grep -c "gene-MIR" myfile.txt | uniq

2. grep "gene-MIR" myfile.txt | sort -u

第一个命令为我计数。但是，我相信它不包括“ MIR” 之后的数字系列，而只是计算本身存在多少“ gene-MIR” 。

谢谢！

[1]: https://i.stack.imgur.com/Y7EcD.png

解决方法

假设所有条目都位于单独的行中，请尝试以下操作：

grep "gene-MIR" myfile.txt | sort | uniq -c

如果条目与其他文本混合在一起，并且系统具有 GNU grep，请尝试以下操作：

grep -o 'gene-MIR[0-9]*' myfile.txt | sort | uniq -c

要获取总数：

grep -o 'gene-MIR[0-9]*' myfile.txt  | wc -l

,

如果您有这样的信息：

Inf1
Inf2
Inf1
Inf2

并且您想知道“ inf”种类的数量，因此始终需要首先对其进行排序。只有之后，您才能开始计数。

修改

我创建了一个类似的文件，其中包含请求者的注释中提到的示例，如下所示：

Nonsense
gene-MIR4232
gene-MIR2334
gene-MIR93284
gene-MIR4232
gene-MIR2334
gene-MIR93284
More nonsense

关于这一点，我已经应用了这两个命令，如问题中所述：

grep -c "gene-MIR" myfile.txt | uniq

结果为6，就像以下命令一样：

grep -c "gene-MIR" myfile.txt

为什么？这里的问题是“多少行包含字符串“ gene-MIR”？”。
这显然不是要求的信息。

另一个命令也不正确：

grep "gene-MIR" myfile.txt | sort -u

结果：

gene-MIR2334
gene-MIR4232
gene-MIR93284

说明：
grep "gene-MIR" ...的意思是：显示所有包含“ gene-MIR”的行
| sort -u的意思是：对显示的行进行排序，如果存在多个相同的实例，则仅显示其中之一。

这也不是请求者想要的。因此，我有以下建议：

grep "gene-MIR" myfile.txt | sort | uniq -c

结果如下：

      2 gene-MIR2334
      2 gene-MIR4232
      2 gene-MIR93284

我想这是请求者正在寻找的东西。

是什么意思？ grep "gene-MIR" myfile.txt：仅显示包含“ gene-MIR”的行
| sort：对显示的行进行排序。像这样，您会得到这样的中间结果：

    gene-MIR2334
    gene-MIR2334
    gene-MIR4232
    gene-MIR4232
    gene-MIR93284
    gene-MIR93284

| uniq -c：将这些结果分组在一起，并显示每个实例的计数。

不幸的是，该示例选择不当，因为每个实例恰好发生两次。因此，为澄清起见，我创建了另一个“ myfile.txt”，如下所示：

Nonsense
gene-MIR4232
gene-MIR2334
gene-MIR93284
gene-MIR2334
gene-MIR2334
gene-MIR93284
More nonsense

我再次应用了相同的命令：

grep "gene-MIR" myfile.txt | sort | uniq -c

结果如下：

      3 gene-MIR2334
      1 gene-MIR4232
      2 gene-MIR93284

在这里您可以更清楚地看到建议的命令是正确的。

...，您的下一个问题是：“是，但是可以对结果进行排序吗？”，我在上面回答：

grep "gene-MIR" myfile.txt | sort | uniq -c | sort -n

结果如下：

      1 gene-MIR4232
      2 gene-MIR93284
      3 gene-MIR2334

玩得开心！