☰

如何从目录内的文件中提取特定信息？

tag-icon • tag-icon command-line bash
如何从目录内的文件中提取特定信息？

我有大约 50 个文件，其命名格式为：ERR*.log（即 ERR23432.log、ERR12356.log 等...）。我想从每个文件中提取特定信息（值）。在每个文件中，行尾都有值：final pair1 : Total reads after merging results from multiple database和final pair2 : Total reads after merging results from multiple databases。您可以在第 62 行和第 63 行中看到这些行随附的文件。现在，我想要一个脚本来提取这些值并将它们相加，以获得每个文件的单个值。然后，它将给出一个包含提取信息的输出文件，其中第一列是没有扩展名的文件名（即附件示例中的 ERR45666），第二列是添加的值。有人能帮帮我吗？

答案1

使用 GNU awk：

gawk '
  BEGIN {print "SampleID","Read_counts"}
  BEGINFILE {sum = 0} 
  /final pair[12] : Total reads after merging results from multiple database/ {sum += $NF}
  ENDFILE {print substr(FILENAME,1,length(FILENAME)-4), sum}
' *.log

使用标准 (POSIX) awk，您可以轻松伪造BEGINFILE使用FNR==1，但ENDFILE模式更难；在这种情况下，我建议使用数组来计算总和，以当前文件名为键，并在END

awk '
  BEGIN {print "SampleID","Read_counts"}
  FNR==1 {k = substr(FILENAME,1,length(FILENAME)-4)}
  /final pair[12] : Total reads after merging results from multiple database/ {sum[k] += $NF}
  END {for(k in sum) print k, sum[k]}
' *.log

请注意，使用此方法时，不能保证输出顺序与文件名的 glob 扩展的顺序相同*.log。

相关内容