解決できないテキスト操作の問題があります。以下のテキストファイル(text.txt)があるとしましょう。場合によっては、行が続く行の/locus_tag
後に行が続き、/gene
他の場合はそうではありません。/locus_tag
後ろにaがないすべての行を見つけ、/gene
次の表(table.txt)を使用して/locus_tag
aを一致させ、.txtの後のテキストファイルに/gene
追加したいと思います。/gene
/locus_tag
これを行う方法についてのアイデアがあれば良いでしょう。
/locus_tag="LOCUS_23770"
/note="ABC"
/locus_tag="LOCUS_23780"
/note="DEF"
/locus_tag="LOCUS_23980"
/note="GHI"
/locus_tag="LOCUS_24780"
/gene="BT_4758"
/note="ONP"
/locus_tag="LOCUS_25780"
/gene="BT_4768"
/note="WZX"
テーブル
/locus_tag /gene
LOCUS_00010 BT_4578
LOCUS_00020 BT_4577
LOCUS_00030 BT_2429
答え1
リンクファイルを使用すると機能します。
awk 'BEGIN{FS="[ =]+"; OFS="="}
BEGINFILE{fno++}
fno==1{locus["\""$1"\""]="\""$2"\""; }
fno>1{if (old ~ /LOCUS/ && $0 !~ /gene/) print "/gene", locus[old]; old=$3; print}
' table file1
今後
/locus_tag="LOCUS_00030"
/note="WP_011108293.1 hypothetical protein (Bacteroides
後ろに
/locus_tag="LOCUS_00030"
/gene="BT_2429"
/note="WP_011108293.1 hypothetical protein (Bacteroides
awk
練習に慣れていないので
awk 'BEGIN{FS="[ =]+"; OFS="="}
# set up the input field separator as any group of spaces and/or =
# and set the output field separator as =
BEGINFILE{fno++}
# Whenever you open a file, increment the file counter fno
fno==1{locus["\""$1"\""]="\""$2"\""; }
# if this is the first file (i.e. table) load the array `locus[]`
# but wrap the fields in "..." so that they are exactly like the data file entries
fno>1{if (old ~ /LOCUS/ && $0 !~ /gene/) print "/gene", locus[old]; old=$3; print}
# if this is a data file
# if the current value of old (i.e. the previous line) is a LOCUS
# and && this line ($0) isn't a gene
# add a gene by indexing into the locus array based upon the value of old
# because old contains the last LOCUS we found
# in all cases
# set old to the 3rd field on the current line,
# which on any LOCUS line is the string "LOCUS_?????" and
# print the current line
# See note below re $2 vs $3 and FS
' table file1
# your input files, table must be first, you can have more data files if you want
または、multicharがない場合は、multicharとは異なり、データファイルのテキストの前のスペースで中断されないようにしてくださいFS
。old=$2
以下では、読んでいるファイルに基づいてフィールド区切り文字を設定してくださいFS=(fno==1)?" ":"="
。テーブルと=
データスペース
awk 'BEGIN{OFS="="}
BEGINFILE{fno++;FS=(fno==1)?" ":"="}
fno==1{locus["\""$1"\""]="\""$2"\""; }
fno>1{if (old ~ /LOCUS/ && $0 !~ /gene/) print "/gene", locus[old]; old=$2; print}
' table file1
前提は、テーブルファイルがメモリを占めるほど大きくないということです。
空の遺伝子に合わない場合は、欠落している遺伝子にメッセージを挿入してテストします。/gene=
fno>1{if (old ~ /LOCUS/ && $0 !~ /gene/) print "/gene", (old in locus)?locus[old]:"\"GENE_MISSING_AT_LOCUS\""; old=$3; print}
使用しているバージョンold
と一致するようにフィールド参照を変更します。FS
/locus_tag="LOCUS_00020"
/gene="GENE_MISSING_AT_LOCUS"
/note="WP_008765457.1 hypothetical protein (Bacteroides
編集する
リンクしたサンプルファイルを見ると、上記の例と実際のデータの形式の違いは、フィールド番号と混同される問題です。 。old=$2
に変更するだけですold=$3
。上記で修正しました。