这似乎是在单个长awk命令中可能的事情。但我不知道awk做得好。
我想从第2行开始,在每第4行输入中识别A
,T
,G
和C
字符的总数。如果任何行号是4的倍数,则字符数在1000到3000之间,然后我希望它打印该行以及上面的行和下面的两行。
我可以将其分解并在单独的代码行中执行部分操作。但是当我有数百万行时,计算时间太长。我需要一个强大的awk命令。在awk必须有一个足够聪明的人才能解决这个问题!
非常小的例子,范围10 < character count < 40
:
输入:
@d0aec33d-ba
TCAGTATGCTTCGTGCAATCAAG
+
-0(''$&"('
@ee487ad3-b71
ACAATGTG
+
""%#0&'+367<677
输出:
@d0aec33d-ba
TCAGTATGCTTCGTGCAATCAAG
+
-0(''$&"('
这是一个快速的:
$ awk '
NR%4==1 { b="" } # first record of four, reset buffer
NR%4==2 && length()>10 && length()<40 { f=1 } # 2/4 if length is right, flag up
{ b=b $0 ORS } # buffer records to b
NR%4==0 && f { # 4/4
printf "%s",b # print if flag is up
f=0 # and flag down
}' file
输出:
@d0aec33d-ba
TCAGTATGCTTCGTGCAATCAAG
+
-0(''$&"('
编辑:
参数化版本(x=$min
,y=$max
):
$ awk -v x=$min -v y=$max '
NR%4==1 { b="" } # first record of four, reset buffer
NR%4==2 && length()>x && length()<y { f=1 } # 2/4 if length is right, flag up
{ b=b $0 ORS } # buffer records to b
NR%4==0 && f { # 4/4
printf "%s",b # # print if flag is up
f=0 # # # and flag down
# printf b; f=0 # # # # # # # # # # # # # # if commands on the same line
}' file # #
#
单行内容以防万一:
$ awk -v x=$min -v y=$max 'NR%4==1{b=""} NR%4==2 && length()>x && length()<y{f=1} {b=b $0 ORS} NR%4==0 && f{printf "%s",b; f=0}' file