☰

将序列分割成固定宽度

tag-icon • tag-icon shell-script text-processing awk
将序列分割成固定宽度

我有一个像这样的文件，它是一个两列制表符分隔的文件。

CTGCAGTTTCCCCAAATGTGGGAAACTTGACTGTATAATTTGTGGCAGTGGTA   a1
GATTTCCCCAAATGTGGGAAACTCACTCGGCAGGCGTTGATA  a2

我想得到这样的输出：

>a1
CTGCAGTTTCCCCAAATGTG
GGAAACTTGACTGTATAATT
TGTGGCAGTGGTA
>a2
GATTTCCCCAAATGTGGGAA
ACTCACTCGGCAGGCGTTGA
TA

我试图在里面使用折叠命令awk。是否可以在其中使用另一个命令awk？

另外，我想要的每行的宽度是15，所以我尝试了这样的方法，但它不起作用：

awk -F "\t" '{a=$(fold -w 50 $1);print a,$2}' file.txt

我怎样才能做到这一点？

答案1

这里有几种方法：

  1. 珀尔

    perl -ane '$F[0]=~s/.{15}/$&\n/g; print ">$F[1]\n$F[0]\n"' file

  2. awk

    awk '{i=0; printf ">%s\n",$2;
       while(i<=length($1)){
            printf "%s\n", substr($1,i,15);i+=15
        }}' file

fold如果你真的想在 awk 中使用，你可以这样做

awk '{printf ">%s\n",$2; system("echo " $1 "| fold -w 15 ") }' file

你的尝试失败了，因为$()它是一个外壳，而不是一个awk东西。要从内部运行系统命令awk，您需要使用system().那么，为了通过价值$1（序列）而不是 shell 的实际字符串（$1如果这样做，shell 将尝试评估它，并且由于未设置而返回空白$1），因此您需要$1从引号中排除 。

所以，在这个例子中，我使用

               |-------------------------> closing quotes for the 1st part
               |                    |----> closing quotes for the 2nd part
               v                    v   
system( " echo "  $1  " | fold -w 15")
        - ----    --- - ------------
        |  |       |  |       |----------> the 2nd part
        |  |       |  |------------------> opening quotes for the 2nd part       
        |  |       |---------------------> The awk variable, `$1`, 
        |  |                               outside the quotes.         
        |  |-----------------------------> The 1st part       
        |--------------------------------> opening quotes for the 1st part

答案2

与python test.py < input和test.py：

import sys
for i in sys.stdin:
     s, ident = i.rstrip().split()
     print '>{0}'.format(ident)
     while s:
          print s[:15]
          s = s[15:]

答案3

awk '{ print ">"$2 ; while (length($1)) { print substr($1,1,15) ; $1=substr($1,16) } }'

相关内容