一网打进Linux下那些查找命令

查找是我们每天都在做的事情，早上醒来找下手机，出门之前查下公交，坐下之后查下资料，分析数据查下模式。

查找文件，查找信息，查找错误是应用起来更为具体的一些工作，而Linux命令行为我们提供了很多快捷强大的查找方式。

命令/可执行程序查找

whereis program_name: 会在系统默认安装目录(一般是有root权限时默认安装的软件)查找二进制文件、源码、文档中包含给定查询关键词的文件。(默认目录有 /bin, /sbin, /usr/bin, /usr/lib, /usr/local/man等类似路径)

which program_name: 会给出所有在环境变量中的程序的路径，一来方便知道运行的程序在哪，二来方便修改。（PATH和path，傻傻分不清）

比如vim `which sp_pheatmap.sh`就可以直接修改绘制热图的脚本，cp `which sp_pheatmap.sh` .可以直接把源码拷贝到当前目录，省去了写全路径的麻烦。

如果运行which bwa，系统返回是 /usr/bin/which: no bwa in (/home/usr/bin:/bin)则说明bwa没有放置在环境变量中，不可以直接写名字调用。

普通文件快速定位 locate

locate是快速查找定位文件的好方法，但其依赖于updatedb建立的索引。而updatedb一般是每天运行一次，所以当天的新文件是索引不到的。

如果有根用户权限，可以手动运行updatedb做个更新，然后再locate bwa。

(个人用户也可以构建自己的updatedb, 使用locate在局部环境中查找。)

普通文件多条件查找 find

find / -name bwa可以搜索根目录下所有名字为bwa的文件

运行上面的命令时会输出很多Permission denied，是因为 作为普通用户，无权限访问一些目录，因此会有提示输出，可以使用find / -name bwa 2>/dev/null重定向标准错误到空设备，报错信息就被扔掉了，还不影响正常输出。

按时间查找

我们开发的在线画图网站 (www.ehbio.com/ImageGP)，为了追踪每天用户使用时碰到了什么问题，需要每天定时去查看日志。

这个命令find . -name *.log -mmine -60可以查看当前目录下(包括所有子目录)一小时内修改的日志文件。再配合head就可以查看每个日志文件的内容，以方便查看使用过程中出现了哪些错误，如何增加提示或修改画图程序。

正是有了这个利器，前台的错误提示中才出现了这么一句话，如果您核对后数据和参数没问题，请过1天再进行尝试。若是程序问题，我们通常会在1天内修复。

当然后台数据都是用时间戳存储的，而且若无报错，数据会直接删掉，有报错的才会保留日志，不会泄露用户信息，这点大家不用担心。

现在画图网站越来越稳定，出现的问题越来越少，前台提示也越来越完善，希望大家使用时多看下提示，查看日志的频率也少了，就使用find . -name *.log -mtime -1查看从现在起24小时内的日志了。

这个也有个问题，每次查看的时间可能不一致，会漏查或有重叠，于是在某次查看完日志后，使用touch check在当前目录下新建了个空文件。以后再查日志文件时，只要使用find . -name *.log -newer check就可以获得所有上次查看过之后的新日志。每次查看完之后，都做个书签，就方便多了。

慢慢发现有空日志文件, 使用find . -name *.log -newer check -size +0过滤掉, 只保留大小大于0的文件。就这样在小伙伴聪明勤奋地维持下，我们绘图网站2年间为大家提供了近30万次服务。(画图手册 | ImageGP：今天你“plot”了吗？)

按类型和大小查找

如果我想得到当前目录下所有png和jpg照片呢？

使用 find . \( -name "*.png" -o -name "*.jpg" \) | less

或 find . -regex ".*\(\.png\|\.jpg\)$"  

find . -type f -size +100G可以获取大小超过100G的文件。

限制查找深度

只看当前目录2层子目录内的文件find . -maxdepth 2 -name *.log。

查看不是log结尾的文件find . -not -name *.log。还有更多组合操作，详见find文档 （我在群里扔了一个关于查找的问题，结果......）。

按文件内容查找 grep

一句话加速grep近30倍

find可以查找包含某句话的文件吗？还是拿我们的日志说事吧，find . -name *.log -exec grep -l 'Error' {} \;就可以返回所有包含Error单词的文件名。

find . -name *.log | xargs grep -l 'Error'也可以。

grep -rl 'Error' *也可以，不加-l还可以顺便返回匹配的行。

匹配行的前后行

grep -A 5 -B 1 'Bioinfo' ehbio.log可以查看匹配行的前1行(B, before)和后5行(A, after)。

匹配次数

grep -c 'Bioinfo' ehbio.log可以统计包含Bioinfo的行数

grep -ci 'Bioinfo' ehbio.log则会在匹配时忽略大小写。

统计FASTA序列中的序列数 grep '^>' ehbio.fa

统计FASTQ序列中的序列数 grep '^+$' ehbio.fq。(^表示以什么开头，$表示以什么结尾)。

获取未匹配行

grep -v 'Bioinfo' ehbio.log，读读手册(man grep)，可以看到更多参数使用。

序列提取

假设有个基因列表文件 (ID)，有个单行序列的FASTA文件 (ehbio.fa)， 运行如下命令grep -A 1 -Fw -f id ehbio.fa | grep -v -- '--'就可以批量提取序列了。

-f id表示把id文件中的每一行作为一个匹配模式。-F表示匹配模式作为原始字符串，而非正则表达式，这是以防有特殊字符被解析。-w则表示作为一个单词匹配，即假如id中有Sox2，那么它会匹配Sox2，也会匹配Sox21；如果加了-w，则不会匹配Sox21。

更好的序列批量提取见 awk的使用。

模式匹配

grep强大的功能是支持正则匹配，默认使用基本正则表达式，-E使用扩展的正则表达式，-P使用perl格式的正则表达式。

比如想去掉文件中所有的空行grep -v '^$' ehbio.fa >ehbio.clean.fa;

从公众号文章中搜索跟文章写作相关的文章 grep 'writ.*' *.md (可以匹配write, writing等字)；

正则表达式就比较多了，具体可以看http://mp.weixin.qq.com/s/4lUiZ60-aXLilRk9--iQhA。

总结

Linux命令是生信学习的基本功，需要长时间的积累和操作 （更多教程点击下图第一排第一个）。

   生物信息之程序学习

往期精品(点击图片直达文字对应教程)

后台回复“生信宝典福利第一波”或点击阅读原文获取教程合集