Question

我有一个包含20736行的文件。每条81条线代表分子原子的坐标。所以我有256个分子的总坐标。现在我想为每个单个分子的特定部分选择坐标。例如，在81个细胞系中，我想从每个分子中选择直到第81个直至所有256个分子的第44行。

为了解释很多细节，我想选择行

44-81 from 1-81 lines
126-163 from 82-163 lines
208-245 from 164-245 lines
290-327 from 246-327 lines
and so on until 20736 lines

为实现这一目标，我尝试使用如下的bash脚本：

#!/bin/bash           

while read line           
do           
echo "$line"           

done < malto-thermo-RT.set30.traj.pdbL1

但是我不知道如何继续实现一个循环来仅从文件的每个后续81行中选择第44行直到81行。

感谢我得到一些帮助。

我还希望在python，awk和perl中获得解决方案，如果可以用于学习目的。

非常感谢提前。

Answer 1

m % n（在许多编程语言中）是“模数”运算符：从n中删除m的所有最大可能整数倍之后剩余的余数。

您要打印的行是模数为81的行号至少为43的行。（如果第一行计为第0行，则效果更好;进行调整意味着您需要编号为43-80的行; 124-161; 205-242等（我认为OP有一个小的算术错误，但它可能是一个解释错误。这里的序列是基于stanzas是81行，如OP所说，而不是82行如例子似乎表明）。

所以，在awk中：

awk  '(NR-1)%81 >= 43'

这是基于awk的默认操作，即{print}，所以我没有提供。{/ p>

编辑：如果OP中提供的示例范围是正确的（例如，如果有一个空白行分隔81行节，那么它们可以更改为：

awk 'NR%82>43'

Answer 2

这是我使用bash的天真，非惯用的破解：

#!/bin/bash
file=/tmp/file
segment_size=81
select_offset=44
select_size=37

start_line=$select_offset
end_line=$(($start_line + $select_size))

i=0
while read line
do
    i=$(($i + 1))
    if [ $i -ge $start_line ]; then

        [ $i -eq $start_line ] && [ $i != 1 ] && echo -e "\n-------------------\n"

        if [ $i -le $end_line ]; then
            echo "$line"

            if [ $i -eq $end_line ]; then
                start_line=$(($start_line + $segment_size + 1))
                end_line=$(($start_line + $select_size))
            fi
        fi
    fi
done < $file

Bash肯定不是我的强项：\：\似乎工作了！

Answer 3

由于SO问题的错误，

已修改 。

使用模数肯定是最好的方法。这个SO问题的最初想法是由@rici添加的！

不幸的是，SO问题是错误的： ...来自82-163行（包括），而 ...来自164-245行，我算了<强> 82 行，而不是81。

首先，我想提供我的bash + sed备用解决方案。

但现在纠正了，为了更好地匹配SO问题，这可以帮助显示错误的位置：

sed -nf <(for ((i=0;i<20736;i+=82));do echo $((i+44)),$(($i+81))p;done ) < file

bash生成sed命令，sed执行此任务。

分拆说明

bash部分：

for ((i=0;i<20736;i+=82)) ;do
    echo $((i+44)),$(($i+81))p
  done

DO

44,81p
126,163p
208,245p
290,327p
...
20544,20581p
20626,20663p
20708,20745p

（ Nota：这与SO问题样本完全匹配，但不要以20736结束!!
   echo $((20746000/82))
   253000
如果它代表分子，则 20736 系中只有252个完整分子。）

所以sed脚本可以写成：

sed -ne '44,81p;126,163p;208,245p;290,327p;...;20626,20663p;20708,20745p' <file

Answer 4

perl -ne '
  BEGIN{ ($f,$t)=(44,81) }
  ($.==$f .. $.==$t) =~ /(E0|.)$/ or next;
  print;
  $1 eq "E0" or next;
  $_ += 82 for $f,$t;
' file

Answer 5

使用@ rici的模数概念简单perl：

perl -ne 'print if $.%82>43' file

Answer 6

rici使用模数运算符有正确的想法，但随着记录的增加，他的解决方案逐渐变得不同步，如下所示：

$ seq 350 | awk  '(NR-1)%81==43{printf "%i",$0} (NR-1)%81==80{print " -",$0}' 
44 - 81                         # In sync
125 - 162                       # Out of sync by 1 
206 - 243                       # Out of sync by 2 
287 - 324                       # Out of sync by 3

要打印您要求的行，您将执行以下操作：

$ awk 'NR%82>43' file

打印范围是：

$ seq 350 | awk  'NR%82==44{printf "%i",$0} NR%82==81{print " -",$0}'
44 - 81
126 - 163
208 - 245
290 - 327

用以下方法测试自己：

$ seq 350 | awk  'NR%82>43'

Answer 7

你的问题陈述很好，但你没有努力。检查head和tail命令的组合方式＆amp;如何将参数传递给脚本可以帮助您实现所需的目标。

http://www.ss64.com/bash/head.html
http://www.ss64.com/bash/tail.html

例如，

$ cat file
line1
line2
line3
line4
line5
line6
line7
line8
line9
line10

在此示例中，我们可以使用以下方法打印3到7行：

$ head -7 file | tail -5
line3
line4
line5
line6
line7

Answer 8

使用awk，你可以这样做

awk '
    {
    if (NR<=t) 
        {
        for (l=t-37;l<=t;l++) 
            printf "%s ",$l
        }
    if (NR==t)
        {
        t+=82
        }
    } ' t=81 file

从文件中重复选择特定行

8 个答案: