☰

修剪拖尾字符时出现问题

tag-icon • tag-icon bash shell-script string tail bioinformatics
修剪拖尾字符时出现问题

我有以下脚本：

#!/bin/bash

SINGLE=`cut -c 7-21 Data.txt`

cd ../FASTA_SEC/

for i in ${SINGLE}; do
    if [ -r ../FASTA_SEC/${i}.fa ]; then
        HEAD=`sed -n 2p ../FASTA_SEC/${i}.fa | head -c 3`
        TAIL=`tail -c 4 ../FASTA_SEC/${i}.fa`
            if [ "${HEAD}" = "AAA" ]
            then
                    echo "Cut heading A's" $i
                elif [ "${TAIL}" = "AAA" ]
                then
                        echo "Cut tailing A's" $i
                    while [ `tail -c 2 ../FASTA_SEC/$i.fa` == "A" ]
                     do
                        TRITAIL=`cat ../FASTA_SEC/$i.fa`
                        echo ${TRITAIL/A/} > ../FASTA_SEC/$i.fa
                    done
            fi
    else 
        echo "does not exist" $i
    fi
done

它似乎适用于所有已处理的文本文件，包括 while 循环。但是有几个文本文件中所有 A 都被删除，并且引入了一些空格，而不是仅删除尾随的 A。

我很惊讶，因为它确实有效，但在某些情况下它会产生混乱。让我给你看一个例子：

包含 A 尾部的输入文件：

>B4-0K032_18670_015
NNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNCNNNGNNNTAGATACAAGCGAGCGGC
GGACGGGTGAGTAACACGTGGGTAACCTGCCCAAGAGACTGGGATAACACCTGGAAACAG
[Cuted here for shortness]
GGNTGTCNTCNGCTNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNAAAAAAAA

输出混乱的文件：

>G4-0K047_18670_010 NNNNNNNNNNCCNCCTGTNNNTTTGCCCCCGGGGGCCTGTCTCTCGGTGTC GTGTCGCCTGGTGGTTCTTCGCGTTGCTTCGTTCCCTGCTCCC
[Cuted here for shortness]
CGTCCGCCNTCGTTCCTGNTGTCTCGGTGCNNGCCCGTNTNNNNNNNNNN NNNNNNNNNNNNN

我只想剪切尾部 A，但在某些文本文件中会出现混乱，但在大多数文本文件中它工作顺利。在一些应该修剪尾部 A 的文件中，我得到了这个混乱（甚至其他字符也可能被删除......）。

我想知道它在某些情况下确实有效，但在某些情况下却不起作用。有没有办法修剪尾部 A？

答案1

整个脚本最终取决于这两行来删除尾随的“A”：

tritail=$(cat ../FASTA_SEC/$i.fa)
echo ${tritail/A/} > ../FASTA_SEC/"$i".fa

由于您已经将整个文件内容放入变量中，因此不需要循环来删除所有尾随的 A。你可以这样做：

tritail="$(cat ../FASTA_SEC/"$i".fa)"
shopt -s extglob
echo ${tritail#+(A)} > ../FASTA_SEC/"$i".fa

或者，如果您不喜欢更改 extglob 设置：

tritail="$(cat ../FASTA_SEC/"$i".fa)"
echo "${tritail%"${tritail##*[!A]}"}" > ../FASTA_SEC/"$i".fa

事实上，这两个命令就足以删除尾随的 A。

第二行的工作原理是选择所有尾随的 A。或者，正如该命令实际执行的那样，通过删除所有内容不是变量前导部分有一个 A ([!A])：

tail=${tritail##*[!A]}          # Select all the trailing A's

然后，从变量的尾部删除生成的字符串：

result=${tritail%"$tail"}       # Remove the trailing A's

两个参数扩展都连接到一个命令中：

result=${tritail%"${tritail##*[!A]}"}

这就是发送到（修改后的）文件的内容：

echo "${tritail%"${tritail##*[!A]}"}" > ../FASTA_SEC/"$i".fa

要删除前导 A，请切换所有选择：

echo "${tritail#"${tritail%%[!A]*}"}" > ../FASTA_SEC/"$i".fa

相关内容