文字列「16S」と「23S」を検索し、この文字列を含む部分を2つの別々のファイルに抽出したいファイルがあります。
入力ファイル:
start
description Human 16S rRNA
**some text**
**some text**
//
start
description Mouse 18S rRNA
some text
some text
//
start
description Mouse 23S rRNA
some text
some text
//
期待される出力: File1の16S:
start
description Human 16S rRNA
some text
some text
//
23S中のファイル2:
start
description Mouse 23S rRNA
some text
some text
//
私が使用するコード:
#! /usr/bin/perl
# default output file is /dev/null - i.e. dump any input before
# the first [ entryN ] line.
$outfile='FullrRNA.gb';
open(OUTFILE,">",$outfile) || die "couldn't open $outfile: $!";
while(<>) {
# uncomment next two lines to optionally remove comments (startin with
# '#') and skip blank lines. Also removes leading and trailing
# whitespace from each line.
# s/#.*|^\s*|\s*$//g;
# next if (/^$/)
# if line begins with 'start', extract the filename
if (m/^\start/) {
(undef,$outfile,undef) = split ;
close(OUTFILE);
open(OUTFILE,">","$outfile.txt") || die "couldn't open $outfile.txt: $!";
} else {
print OUTFILE;
}
}
close(OUTFILE);
答え1
awk
申し訳ありません。この問題を解決するためにPerlを使用します。
/^\/\// && file { file = file ".out";
print section ORS $0 >file;
file = "" }
/^description/ && match($0, p) && file = substr($0,RSTART,RLENGTH) {}
/^start/ { section = $0; next }
{ section = section ORS $0 }
データに対して以下を実行します(p='expression'
必要な部分を選択するために使用できます)。
$ awk -f script.awk p='16S|23S' file.in
$ ls -l
total 16
-rw-r--r-- 1 kk wheel 64 Aug 28 12:10 16S.out
-rw-r--r-- 1 kk wheel 56 Aug 28 12:10 23S.out
-rw-r--r-- 1 kk wheel 176 Aug 28 11:51 file.in
-rw-r--r-- 1 kk wheel 276 Aug 28 12:09 script.awk
$ cat 16S.out
start
description Human 16S rRNA
**some text**
**some text**
//
$ cat 23S.out
start
description Mouse 23S rRNA
some text
some text
//
セクション終了マーカー(で始まる行)を探し、出力//
ファイル名(file
)が空でない場合は、スクリプトの最初のブロックが実行されます。現在のファイル名に追加し.out
、保存した部分をファイルに出力し、現在の入力行を出力します。次に変数を消去しますfile
。
2番目のブロックは空ですが、パターンdescription
はとで始まる行と一致し、引き続きp
コマンドラインで指定された正規表現()とその行を一致させます。一致する部分がある場合は、一致する部分を選択してファイル名として使用します。
その単語で始まる行が見つかると、3番目のブロックが実行され、保存されたセクションテキストが現在の行に設定され、start
その中に保存されている以前のテキストがすべて削除されます。次にスクリプトの先頭に移動し、次の入力行を考慮します。
最後のブロックはファイル内の他のすべての行に対して実行され、現在の行を現在保存されているセクションに追加します。
答え2
<LF>//<LF>
これをレコード区切り文字として使用できる場合は、GNUを使用するとawk
次のようになります。
gawk -v 'RS=\n//\n' '
{ORS=RT}; / 16S /{print > "file1"}; / 23S /{print > "file2"}' < file