在 awk 中使用 bash 数组并引用变量:语法冲突问题

在 awk 中使用 bash 数组并引用变量:语法冲突问题

我有一个脚本,其目的是:

  • 对于文件列表,获取每个文件的具体编号(具体来说,这是测序数据)并将其存储到 array1 中
  • 使用array1,找到最小的数字是array1
  • 根据 array1 中最小的数字,将其全部除以 array1 中的所有数字,得到 array2。

我的脚本如下所示:

#!/usr/bin/bash



USAGE() { echo "Usage: bash $0 [-b <in-bam-files-dir>] [-o <out-dir>] [-c <chromlen>]" 1>&2; exit 1; }

if (($# == 0))
then
    USAGE
fi



while getopts ":b:o:c:h" opt
do
    case $opt in
        b ) BAMFILES=$OPTARG
        ;;
        o ) OUTDIR=$OPTARG
        ;;
        c ) CHROMLEN=$OPTARG
        ;;
        h ) USAGE
        ;;
        \? ) echo "Invalid option: -$OPTARG exiting" >&2
        exit
        ;;
        : ) echo "Option -$OPTARG requires an argument" >&2
        exit
        ;;
    esac
done



if [ ! -d ${OUTDIR} ]
then
    mkdir ${OUTDIR}
fi

if [ ! -d ${OUTDIR}/temp ]
then
    mkdir ${OUTDIR}/temp
fi

if [ -d ${BAMFILES} ]
then
    echo -e "\nProcessing BAM files from following directory: ${BAMFILES} \n "
fi



module purge
module load samtools
module load bedtools
module load ucsctools
echo -e "Modules are loaded\n"



FIRSTBAM=$(ls $BAMFILES/*bam | head -1)
MIN=$(samtools view -c -F 260 ${FIRSTBAM} )
echo -e "Minimum number of reads is currently set to $MIN from $FIRSTBAM (first bam in directory)\n"



declare -A BAMREADS
echo "BAMREADS array is initialized"

for i in $(ls $BAMFILES/*bam)
do
    echo "Counting reads in $i "
    BAMREADS[$i]=$(samtools view -c -F 260 $i)
done



for i in ${BAMREADS[@]}
do
    if [[ $i -lt $MIN ]]
    then
        MIN=$i
    fi
done

echo -e "Minimum number of reads that will be used for scaling is $MIN \n"



declare -A BAMFRACS
echo -e "BAMFRACS array is initialized"

for i in ${!BAMREADS[@]}
do
    BAMFRACS[$i]=$(awk -v var1=${MIN} -v var2=${BAMREADS[$i]} 'BEGIN { x= var1 / var2; printf "%.8f", x }')
done



for i in $(ls $BAMFILES/*bam)
do

    SAMPLE=`basename $i`
    SAMPLE=${SAMPLE%.bam}
    echo $SAMPLE

    if [[ ${BAMREADS[$i]} -eq $MIN ]]
    then

        echo "Sample $i does not need scaling"

        command="cp $i ${OUTDIR}/temp/${SAMPLE}.scaled.bam;
        genomeCoverageBed -bg -split -ibam ${OUTDIR}/temp/${SAMPLE}.scaled.bam > ${OUTDIR}/temp/${SAMPLE}.bedgraph;
        sed -e 's/^/chr/g;s/MT/M/g' ${OUTDIR}/temp/${SAMPLE}.bedgraph > ${OUTDIR}/temp/${SAMPLE}.modified.bedgraph;
        sort -k1,1 -k2,2n ${OUTDIR}/temp/${SAMPLE}.modified.bedgraph > ${OUTDIR}/temp/${SAMPLE}.sorted.bedgraph;
        bedGraphToBigWig ${OUTDIR}/temp/${SAMPLE}.sorted.bedgraph $CHROMLEN ${OUTDIR}/${SAMPLE}.bw"
        #rm ${OUTDIR}/temp/${SAMPLE}.*

    else

        command="samtools view -s ${BAMFRACS[$i]} -b $i > ${OUTDIR}/temp/${SAMPLE}.scaled.bam;
        genomeCoverageBed -bg -split -ibam ${OUTDIR}/temp/${SAMPLE}.scaled.bam > ${OUTDIR}/temp/${SAMPLE}.bedgraph;
        sed -e 's/^/chr/g;s/MT/M/g' ${OUTDIR}/temp/${SAMPLE}.bedgraph > ${OUTDIR}/temp/${SAMPLE}.modified.bedgraph;
        sort -k1,1 -k2,2n ${OUTDIR}/temp/${SAMPLE}.modified.bedgraph > ${OUTDIR}/temp/${SAMPLE}.sorted.bedgraph;
        bedGraphToBigWig ${OUTDIR}/temp/${SAMPLE}.sorted.bedgraph $CHROMLEN ${OUTDIR}/${SAMPLE}.bw"
        #rm ${OUTDIR}/temp/${SAMPLE}.*

    fi

    echo $command | qsub -V -cwd -o $OUTDIR -e $OUTDIR -l tmem=10G -l h_vmem=10G -l h_rt=3600 -N bigwig_${SAMPLE}

 done

 echo "Task completed: conversion jobs submitted to cluster"

我有两个问题:

  • 据我了解,bash 不太擅长算术数学:即进行任何涉及浮点数的运算(加法、除法等)。但是,鉴于 var1 和 var2 在我的脚本中始终是整数(请参阅 $MIN 和所有 array1 值),我们是否同意这不是问题?即我的运算结果是浮点数,但它使用整数,所以这不是问题,对吗?

  • 在 StackExchange 中不是很清楚,因为这里没有语法突出显示,但我注意到我的脚本的 var2=${BAMREADS[$i]} 部分不太正确。我使用 nano,在我的终端中,不像其他变量(如 ${MIN})那样将所有 ${BAMREADS[$i]} 都显示为红色,只有脚本的 ${BAMREADS[$i] 部分是显示为红色,即结尾]}不是红色。该脚本似乎按照我的预期运行,一切似乎都正常工作。所以我不太明白为什么它不全部是红色的。

这就是我的脚本在 nano 中的样子(请注意 awk 命令中 ${BAMREADS[$i]} 中的 ]} 以及稍后第二个 $command 中的 ]} 不是应有的红色):

在此输入图像描述

但是,如果您将此代码粘贴到https://www.shellcheck.net/,在脚本的这一部分中突出显示不会遇到任何问题。那么为什么 nano 和 shellcheck 没有告诉我同样的事情呢?我已经使用了这个脚本,它似乎对我有用,但我担心这个突出显示的问题。

谢谢

答案1

语法高亮是一个问题

每个编辑器在这种方式上都有自己的缺点/优点。

请参阅我的问题软件推荐及其各自的答案,最重要的是这适用于 CLI 和 GUI这对于图形用户界面

尤其,视觉工作室代码, 有恕我直言GUI 编辑器中最好的语法突出显示。

从 CLI 编辑器中,请参阅 的答案gVim,它为 CLI 执行相同的语法突出显示工作。

请注意,由于我是一个重度nano用户,我可以告诉你nano无法区分引号内的变量。


缺少双引号是一个更大的问题

最让你烦恼的是你没有使用 - 我想你不习惯 - 坏习惯 - 双引号。请参阅 StackOverflow 了解更多信息或直接使用 Google。或者参见下文。


双引号可防止通配符和分词

对于 shell 脚本编写者来说,nano编辑器几乎不可用,因为它无法识别字符串(引号)内的变量,这对每个 shell 脚本编写者来说都是非常糟糕的。双引号在 shell 脚本中是完全必要的。他们防止所谓的通配符和分词,阅读ShellCheck 维基文章 SC2086有关此主题的更多信息。


始终将您的脚本通过管道传输到外壳检查

相关内容