生物信息之独孤九剑——cut

编者按

今年到目前写了不少内容，本来想写专题的，而且已经写了两个了，一共写了40篇。结果突然有一天发现，两年前写的一个专题还没有写完。本来要写一个生物信息之独孤九剑，结果只写了七篇，后来居然忘了继续更新，变成了《七种武器》。现在要继续更新完。令狐冲被费了内力，但却是《笑傲江湖》中的高手，原因在于他学会了独孤九剑，能够见招拆招。遇到任何问题都能有方法应对。我们给大家推荐的Linux九个重要命令，熟练之后，也可以处理生物信息分析中大量问题。

1、cut介绍：

cut顾名思义用来切割数据，就是将一段数据进行分割，然后取出我们想要的部分。可以简单的认为split命令是按照行来进行切分数据的，而cut则是按列来切分数据的。前面介绍过通过sed可以输出文件中任意的行，而通过cut可以输出任意的列。

2、cut选项参数：

-b ：以字节为单位进行分割。
-c ：以字符为单位进行分割。
-d ：自定义分隔符，默认为制表符。
-f  ：与-d一起使用，指定显示哪个区域。
-n ：取消分割多字节字符。仅和 -b 标志一起使用。

3、cut用法：

cut命令主要是接受三个定位方法：

第一，字节（bytes），用选项-b；

第二，字符（characters），用选项-c；

第三，域（fields），用选项-f。

4、案例一：通过字节进行分割；

比如这里有个一个blast比对m8格式的列表文件，生物数据分析中有很多列表格式的结果。
我们使用cut -b 1 然后blastm8.list。就是将文件中每一行第一个字符输出出来。输出结果就是一堆字符gggggg。

5、案例二：一次取出多个字节；

cut支持多个字符，比如1-28，则将第一列提取出来了。

6、案例三：自定义字符进行分割；

-c是按照字符进行提取，和-b有些类似，这两个使用起来都不方便，因为刚才提到的-b和-c只能在固定格式的文档中提取信息，而对于非固定格式的信息则束手无策。这时候“域”就派上用场了。域其实就是先设置“间隔符”，再设置“提取第几个域”。
比如还是刚才的例子，我们设置-d域的分割符为竖线，然后在通过-f指定提取第几个域即可，这里我们想要序列的Access Number，也就是文件中的NP和YP等字符。

cut -d 竖线来分隔域，分隔之后，这部分是第四个域和第八个域的内容，我们设置-f即可。

更多关于cut命令的功能，可以通过man cut或者cut --help查看。

---------- END ----------

（更多精彩内容，欢迎关注微信公众号）

您可能还会感兴趣的