☰

输出文件

tag-icon • tag-icon awk variable filter
输出文件

我有一个大文件，需要按第一个字段（从不重复）进行过滤。示例如下：

NC_056429.1_398 2   3   0.333333    0.333333    0.333333    0.941178
NC_056429.1_1199    2   0   0.333333    0.333333    0.333333    0.941178
NC_056442.1_7754500 0   3   0.800003    0.199997    0.000000    0.000001
NC_056442.1_7754657 1   2   0.000000    0.199997    0.800003    0.888891
NC_056442.1_7754711 2   0   0.888891    0.111109    0.000000    0.800002
NC_056442.1_7982565 0   1   0.800003    0.199997    0.000000    0.666580
NC_056442.1_7982610 1   0   0.800003    0.199997    0.000000    0.000000
NC_056442.1_7985311 2   0   0.888891    0.111109    0.000000    0.000000

我正在尝试使用 awk 按第一列过滤 shell 脚本中的文件，并且我需要使用变量，因为它在 while 循环中。 while 循环调用文本文件，例如：

NC_056442.1 7870000    # 1st field = $chrname, 2nd field = $pos
NC_056443.1 1570000

之前在脚本中，我使用 $pos 计算来找到目标值，以获得 $startpos 和 $endpos ，如下所示：

chrname="NC_056442.1" # column 1 in pulled file
startpos=7754657 # calculated in prior script
endpos=7982610 # calculated in prior script
start=${chrname}_${startpos} # this was an attempt to simplify the awk command
end=${chrname}_${endpos} 
awk -v s="$start" -v e-"$end" '/s/,/e/' file.txt > cut_file.txt

如果我手动输入值（如下所示），我会得到一个仅包含第 5-8 行的文件。

awk '/NC_056442.1_7754657/,/NC_056442.1_7982610/' file.txt > cut_file.txt

输出文件

NC_056442.1_7754657 1   2   0.000000    0.199997    0.800003    0.888891
NC_056442.1_7754711 2   0   0.888891    0.111109    0.000000    0.800002
NC_056442.1_7982565 0   1   0.800003    0.199997    0.000000    0.666580
NC_056442.1_7982610 1   0   0.800003    0.199997    0.000000    0.000000

我很挣扎，因为我不知道如何让 s 和 e 变量实际运行。我尝试了多种选项，包括“ENVIRON[]”。作为 bash 的新手（也是这里的第一篇文章），我不知道如何解决这个问题。我愿意接受 awk 之外的答案。如果我需要重新表述我的问题或添加更多信息，请告诉我。

答案1

不要尝试通过匹配正则表达式来做到这一点。相反，使用_或 space 作为 awk 的字段分隔符，这样您就可以在易于使用的变量中获得染色体和位置：

start=1234567
end=7654321
awk -v s="$start" -v e="$end" -F '[ _]' '$3 >= s && $3 <= e' file.txt > cut_file.txt

另外，避免在 shell 脚本中对变量名使用大写字母。按照惯例，全局环境变量都是大写的，因此如果您对自己的变量使用大写字母，可能会导致命名冲突并且很难发现错误。

现在，您还没有向我们展示您正在使用的循环。不管是什么，你最好在 awk 本身而不是 shell 中循环。 Shell 循环是慢的。

相关内容