Question

我正在开发一个简单的脚本来逐行读取文件，评估每行的内容，并根据行号处理行数据。出于某种原因，我无法获得匹配空格的正则表达式。 [：space：]，[[：space：]]，[：blank：]，\ s，\，和“”都失败了。

我的数据格式如下（fastq格式）：

    @SRR573708.2 2 length=100
    AAAACGTTAATATTTATTGAAATTGTT
    +SRR573708.2 2 length=100
    HHHHHHHHHHHHHHHHHHHHHHHHHHH

我想将其重新格式化为：

    @SRR573708.2/2
    AAAACGTTAATATTTATTGAAATTGTT
    +SRR573708.2/2
    HHHHHHHHHHHHHHHHHHHHHHHHHHH

然而，重要的是，在将其打印到新文件之前，我检查每一行以确保其格式正确。我最后一次尝试生成重新格式化的文件，在文件末尾产生了一些非常棒的结果。我的代码是：

    i=1
    while read LINE; do
        if (( $i > 4 )); then break; fi
        if (( $i % 4 == 1 )); then
            if [[ $data =~ ^@SRR[0-9]{6}[[:blank:]] ]]; then
                awk -v IFS=" " -v OFS="" -v ORS="" -v SUFFIX=$SUFFIX -v OUTPUT_FILE=$OUTPUT_FILE ' {print $1,SUFFIX,"\n"    } ' <<< $data
                i=$(( $i + 1 ))
            else
                echo -e "error at line ${i}"; echo "${data}"; exit 1; fi
        elif (( $i % 4 == 2 )); then echo -e "$LINE" 
            i=$(( $i + 1 ))

        elif (( $i % 4 == 3 )); then
            echo $data
            awk -v IFS=" " -v OFS="" -v ORS="" -v SUFFIX=$SUFFIX -v OUTPUT_FILE=$OUTPUT_FILE ' {print $1,SUFFIX,"\n"  } ' <<< $data
            i=$(( $i + 1 ))

elif (( $i % 4 == 0 )); then echo -e "$LINE" 
    i=$(( $i + 1 ))

else
    echo -e "number of liness is not divisible by 4. Program Terminated.\nProblem encountered at line ${i}."
    exit 1
fi

done < $INPUT_FILE

我收到错误消息：

    error at line 1
    @SRR573708.2 2 length=100

有关如何匹配正则表达式if语句中的空格的任何建议，最好只匹配空格和制表符而不是换行符。

Answer 1

下面是一个正在运行的awk代码（虽然它不像rici的代码那样优雅和简化）：

    awk -v i=1 -v IFS=" " -v OFS="" -v ORS="" -v SUFFIX=$SUFFIX -v OUTPUT_FILE=$OUTPUT_FILE -v nchars=0 -v DIRECTION=$DIRECTION ' {
        if (i%4==1 && $0~/^@SRR[0-9][0-9][0-9][0-9][0-9][0-9]\.[0-9]+\.$DIRECTION[[:blank:]][0-9]+[[:blank:]]length=100$/)
            { printf "%s%s\n",$1,SUFFIX >> OUTPUT_FILE; i++ }
        else if (i%4==2 && $0~/^[AGCTNagctn\-]+$/)
            { nchars=length($0);printf "%s\n",$1 >> OUTPUT_FILE;i++ }
        else if (i%4==3 && $0~/^\+SRR[0-9][0-9][0-9][0-9][0-9][0-9]\.[0-9]+[[:blank:]][0-9]+[[:blank:]]length=100$/)
            { printf "%s%s\n",$1,SUFFIX >> OUTPUT_FILE; i++}
        else if (i%4==0 && $0~/.*/ && nchars==length($0))
            { printf "%s\n",$1 >> OUTPUT_FILE;i++}
        else
            {printf "error at line %s:\n%s\n\n",i,$0; exit 1}
        }' $INPUT_FILE

无法获取bash以匹配由if [s]中的[[]]分隔的正则表达式中的空格

1 个答案: