查找是我們每天都在做的事情，早上醒來找下手機(jī)，出門之前查下公交，坐下之后查下資料，分析數(shù)據(jù)查下模式。

查找文件，查找信息，查找錯(cuò)誤是應(yīng)用起來更為具體的一些工作，而Linux命令行為我們提供了很多快捷強(qiáng)大的查找方式。

命令/可執(zhí)行程序查找

whereis program_name: 會(huì)在系統(tǒng)默認(rèn)安裝目錄(一般是有root權(quán)限時(shí)默認(rèn)安裝的軟件)查找二進(jìn)制文件、源碼、文檔中包含給定查詢關(guān)鍵詞的文件。(默認(rèn)目錄有 /bin, /sbin, /usr/bin, /usr/lib, /usr/local/man等類似路徑)

which program_name: 會(huì)給出所有在環(huán)境變量中的程序的路徑，一來方便知道運(yùn)行的程序在哪，二來方便修改。

比如vim `which sp_pheatmap.sh`就可以直接修改繪制熱圖的腳本，cp \which sp_pheatmap.sh` .`可以直接把源碼拷貝到當(dāng)前目錄，省去了寫全路徑的麻煩。

如果運(yùn)行which bwa，系統(tǒng)返回是 /usr/bin/which: no bwa in (/home/usr/bin:/bin)則說明bwa沒有放置在環(huán)境變量中，不可以直接寫名字調(diào)用。

[[223914]]

普通文件快速定位 locate

locate是快速查找定位文件的好方法，但其依賴于updatedb建立的索引。而updatedb一般是每天運(yùn)行一次，所以當(dāng)天的新文件是索引不到的。

如果有根用戶權(quán)限，可以手動(dòng)運(yùn)行updatedb做個(gè)更新，然后再locate bwa。

(個(gè)人用戶也可以構(gòu)建自己的updatedb, 使用locate在局部環(huán)境中查找。)

普通文件多條件查找 find

find / -name bwa可以搜索根目錄下所有名字為bwa的文件

運(yùn)行上面的命令時(shí)會(huì)輸出很多Permission denied，是因?yàn)?作為普通用戶，無權(quán)限訪問一些目錄，因此會(huì)有提示輸出，可以使用find / -name bwa 2>/dev/null重定向標(biāo)準(zhǔn)錯(cuò)誤到空設(shè)備，報(bào)錯(cuò)信息就被扔掉了，還不影響正常輸出。

按時(shí)間查找

我們開發(fā)的在線畫圖網(wǎng)站 (www.ehbio.com/ImageGP)，為了追蹤每天用戶使用時(shí)碰到了什么問題，需要每天定時(shí)去查看日志。

這個(gè)命令find . -name *.log -mmine -60可以查看當(dāng)前目錄下(包括所有子目錄)一小時(shí)內(nèi)修改的日志文件。再配合head就可以查看每個(gè)日志文件的內(nèi)容，以方便查看使用過程中出現(xiàn)了哪些錯(cuò)誤，如何增加提示或修改畫圖程序。

正是有了這個(gè)利器，前臺(tái)的錯(cuò)誤提示中才出現(xiàn)了這么一句話，如果您核對(duì)后數(shù)據(jù)和參數(shù)沒問題，請(qǐng)過1天再進(jìn)行嘗試。若是程序問題，我們通常會(huì)在1天內(nèi)修復(fù)。

當(dāng)然后臺(tái)數(shù)據(jù)都是用時(shí)間戳存儲(chǔ)的，而且若無報(bào)錯(cuò)，數(shù)據(jù)會(huì)直接刪掉，有報(bào)錯(cuò)的才會(huì)保留日志，不會(huì)泄露用戶信息，這點(diǎn)大家不用擔(dān)心。

現(xiàn)在畫圖網(wǎng)站越來越穩(wěn)定，出現(xiàn)的問題越來越少，前臺(tái)提示也越來越完善，希望大家使用時(shí)多看下提示，查看日志的頻率也少了，就使用find . -name *.log -mtime -1查看從現(xiàn)在起24小時(shí)內(nèi)的日志了。

這個(gè)也有個(gè)問題，每次查看的時(shí)間可能不一致，會(huì)漏查或有重疊，于是在某次查看完日志后，使用touch check在當(dāng)前目錄下新建了個(gè)空文件。以后再查日志文件時(shí)，只要使用find . -name *.log -newer check就可以獲得所有上次查看過之后的新日志。每次查看完之后，都做個(gè)書簽，就方便多了。

慢慢發(fā)現(xiàn)有空日志文件, 使用find . -name *.log -newer check -size +0過濾掉, 只保留大小大于0的文件。就這樣在小伙伴聰明勤奮地維持下，我們繪圖網(wǎng)站為3萬多用戶提供了近10萬次服務(wù)。

近來繪圖網(wǎng)站新增了曼哈頓圖，PcOA, CPcOA和?；鶊D的繪制，近日會(huì)推出一份更新文檔，歡迎使用。

按類型和大小查找

如果我想得到當(dāng)前目錄下所有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可以獲取大小超過100G的文件。

限制查找深度

只看當(dāng)前目錄2層子目錄內(nèi)的文件find . -maxdepth 2 -name *.log。

查看不是log結(jié)尾的文件find . -not -name *.log。還有更多組合操作，詳見find文檔。

按文件內(nèi)容查找 grep

find可以查找包含某句話的文件嗎？ 還是拿我們的日志說事吧，find . -name *.log -exec grep -l 'Error' {} \;就可以返回所有包含Error單詞的文件名。

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

grep -rl 'Error' *也可以，不加-l還可以順便返回匹配的行。

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)。

匹配次數(shù)

grep -c 'Bioinfo' ehbio.log可以統(tǒng)計(jì)包含Bioinfo的行數(shù)

grep -ci 'Bioinfo' ehbio.log則會(huì)在匹配時(shí)忽略大小寫。

統(tǒng)計(jì)FASTA序列中的序列數(shù) grep '^>' ehbio.fa

統(tǒng)計(jì)FASTQ序列中的序列數(shù) grep '^+$' ehbio.fq。(^表示以什么開頭，$表示以什么結(jié)尾)。

獲取未匹配行

grep -v 'Bioinfo' ehbio.log，讀讀手冊(cè)(man grep)，可以看到更多參數(shù)使用。

序列提取

假設(shè)有個(gè)基因列表文件 (ID)，有個(gè)單行序列的FASTA文件 (ehbio.fa)， 運(yùn)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文件中的每一行作為一個(gè)匹配模式。-F表示匹配模式作為原始字符串，而非正則表達(dá)式，這是以防有特殊字符被解析。-w則表示作為一個(gè)單詞匹配，即假如id中有Sox2，那么它會(huì)匹配Sox2，也會(huì)匹配Sox21；如果加了-w，則不會(huì)匹配Sox21。

更好的序列批量提取見 awk的使用。

模式匹配

grep強(qiáng)大的功能是支持正則匹配，默認(rèn)使用基本正則表達(dá)式，-E使用擴(kuò)展的正則表達(dá)式，-P使用perl格式的正則表達(dá)式。

比如想去掉文件中所有的空行g(shù)rep -v '^$' ehbio.fa >ehbio.clean.fa;

從公眾號(hào)文章中搜索跟文章寫作相關(guān)的文章 grep 'writ.*' *.md (可以匹配write, writing等字)；

正則表達(dá)式就比較多了，具體可以看http://mp.weixin.qq.com/s/4lUiZ60-aXLilRk9--iQhA。