☰

根据数据范围搜索文件

tag-icon • tag-icon shell-script awk search
根据数据范围搜索文件

我之前发帖请求帮助 计算字符串出现的次数。我现在希望搜索某个值范围内字符串的出现情况并打印出类似格式的文件（下面的范围按范围中的初始数字排序）。

500506  genome  71445   71461   0
500506  genome  308369  308384  0
500506  genome  335450  335533  0
500506  genome  425268  425293  0
500506  genome  623326  623715  0
502289  genome  308370  308384  0
502289  genome  335462  335689  0
502289  genome  425268  425290  0

我想获得一个列表，显示范围、我在文件中看到该范围的次数以及哪些行标识符具有该范围

71445-71461 1 500506
308369-308369 1 500506
308370-308384 2 500506,502289 
335450-335461 1 500506
335462-335533 2 500506,502289
335534-335689 2 500506,502289
425268-425290 2 500506,502289
425291-425293 1 500506

在上面的示例中，502289 可以与 500506 完全匹配相同的范围，也可以落在该范围内的某个位置，反之亦然。这可以用一个简单的脚本来完成吗？或者我应该使用类似 perl 脚本的东西？

答案1

应在更大的数据量（超过 4 行）上测试以下脚本，以检查此语句的正确执行if ((A[1]<$3 && $4<=A[2])||(A[1]<=$3 && $4<A[2]))

awk '
    BEGIN{SUBSEP="-"}
    {     if (($3, $4) in ids)
              ids[$3,$4]=ids[$3,$4] "," $1
          else
              ids[$3,$4]=$1
    } 
    END{  for (rng1 in ids) {
              split (rng1,A,SUBSEP)
              for (rng2 in ids) {
                  split (rng2,B,SUBSEP)
                  if ((A[1]<B[1] && B[2]<=A[2])||(A[1]<=B[1] && B[2]<A[2]))
                      ids[rng2]=ids[rng2] "," ids[rng1]
                  }
              }
          for (rng in ids) {
              for (i=1;i<=split(ids[rng],D,",");i++)
                  a[D[i]]=1
              s=k=""
              n=0
              for (j in a) {
                  k=k s j
                  s=","
                  n++
                  }
              print rng, n, k
              delete a
              }
     }' formatted.file

相关内容