☰

解析目录中的文件

tag-icon • tag-icon awk grep
解析目录中的文件

我的目录中有几个文件： file1.txt file2.txt file3.txt

对于目录中的每个文件，我只想打印唯一的列。第 1 列将匹配第 3 列或第 4 列；我想打印唯一的列并将其保存为 f_parsed.txt

文件1.txt：

gene1   description1    gene1   gene88 
gene56  description2    gene67  gene56
gene6   description3    gene95  gene6

file1_parsed.txt：

gene1   description1    gene88  
gene56  description2    gene67  
gene6   description3    gene95

这是我到目前为止的代码：

for f in *.txt ; do while IFS= read -r line; do awk  -F "," '{if ($3 = $1) {print $1, $2, $3} else {print $1, $2, $4}}' > $f_parsed.txt;
    done

然后，对于每个解析的文件，我想 grep f_parsed.txt 第 3 列中的基因，并在 file_B.txt 中查找它，并返回匹配的行和以下行。所有包含匹配项的行均保存为 match1.txt（下一个文件将变为 match2.txt）

file_B.fasta 看起来像这样：

>gene88 | shahid | ahifehhuh
TAGTCTTTCAAAAGA...
>gene6 | shahid | ahifehhuh
TAGTCTTTCAAAAGA...
>gene4 | jeiai | dhdhd
GTCAGTTTTTA...
>gene67 | vdiic | behej
GTCAGTTTTTA...
>gene95 | siis | ahifehhniniuh
TAGTCTTTCAAAAGA...
...

cat f_parsed.txt | while IFS= read -r line; do grep "$3" file_B.fasta  |awk '{x=NR+1}(NR<=x){print}' > match1.txt ; done

我开始使用的示例文件的最终输出应该称为 match1.txt，看起来像

>gene88 | shahid | ahifehhuh
TAGTCTTTCAAAAGA...
>gene67 | vdiic | behej
GTCAGTTTTTA...
>gene95 | siis | ahifehhniniuh
TAGTCTTTCAAAAGA...

提前致谢！我知道代码很粗糙，但我是初学者。

答案1

一种方法如下。我们首先读取 fasta 文件并构建一个以基因名称为键的数组。该键对应的值是当前的下n行，换行符分隔。

输出保存在 match*.txt 文件中。

awk -F '|' '
  # @the beginning of file, get its type
  FNR==1 {  inCsv = !(inFasta = FS == "|") }

  # get gene name n record next line number
  inFasta && /^>/ {
    t=$0; gene=$1
    gsub(/^.|[[:space:]]*$/, "", gene)
    nxtln=NR+1
  }
  # fill up the value for the current gene
  inFasta && NR==nxtln { a[gene] = t ORS $0 }

  # we are in CSV file
  # close previously open filehandle
  # open fresh file handle (match*.txt)
  # write to filehandle based on equality
  # of field1 and field3
  inCsv && NF>3 {
    if (FNR == 1) {
      close(outf)
      outf = "match" ++k ".txt"
    }
    print a[$($1==$3?4:3)] > outf
  }

' file_B.fasta FS=, file*.txt

$ cat match1.txt

>gene88 | shahid | ahifehhuh
TAGTCTTTCAAAAGA...
>gene67 | vdiic | behej
GTCAGTTTTTA...
>gene95 | siis | ahifehhniniuh
TAGTCTTTCAAAAGA..

答案2

awk '{if($1 == $3) {print $1,$2,$NF}else{if($1 == $NF){print $1,$2,$3}}}' filename

输出

gene1 description1 gene88
gene56 description2 gene67
gene6 description3 gene95

相关内容