Question

我有一个文件，该文件基本上包含如下所示的值的排列方式（我已对行进行编号。）

! MATCH       1
!             2
HIT           3
NUM     1     4
VAL A  82     5
LEU A 144     6
ALA A 154     7
VAL A 333     8
ALA A 334     9
PHE A 372     10
END           11
!             12

我正在尝试创建一个文件，其中包含所有这些实例，其中这些值块在第10行中包含上述的PHE（与ALA或VAL等相对）。

文件中多个值块的简短示例：

! MATCH 
!
HIT 
NUM     1
VAL A 184
PHE A 209
END 
!
! MATCH
!
HIT
NUM     1
LEU A 296
ILE A 321
END 
!
! MATCH
!
HIT 
NUM     1
LEU A 296
PHE A 321
END 
!

我尝试执行此操作的代码是：

sed -n '23~12p' file.txt | grep -B 9 -A 2 PHE > newfile.txt

基本上，从第23行开始，每12行跳过一次（以便仅查看值块的第10行），然后grep前9行，如果值块的第10行中存在PHE，则grep接下来的2行。

但是，我敢肯定，您可以说，上面的代码仅在sed输出中输出前几行。

sed -n '23~12p' file.txt | grep -B 9 -A 2 PHE file.txt > newfile.txt

但是，如果我为grep添加文件（file.txt），即使PHE不在值块的第十行，它也会忽略sed输出，而是抓紧前几行。

IE：

ILE A 222
END
!
! MATCH
!
HIT
NUM     1
ILE A 605
ILE A 620
PHE A 644   <--- What grep is matching
VAL A 633
ALA A 634

我对如何编写此脚本以在我要查找的位置（位置10）搜索PHE，每12行查找一次，并grepping整个值块（前9个）感到有些困惑行和随后的2行）仅在位置10处找到PHE时。

将非常感谢任何建议！谢谢！

Answer 1

假定这些块用空行分隔

perl -00 -wne'print if (split /\n/)[9] =~ /^PHE/' data.txt

有关命令行开关，请参见perlrun。在这里，-00将输入分为几段，然后在special variable $_中''下的程序中可用。那是换行符上的split，第十行用正则表达式检查它是否以PHE开头。如果是，我们将打印整个块。

已阐明，没有专用的块分隔符；块彼此接连出现，每个块都以! MATCH行开始，以!行结束。

然后，由于$/的{{1}}（可通过!开关设置）会引入虚假的输入记录，因此上述内容在过滤后无法轻易保留整个块。而是逐行处理。

使用问题更新中添加的数据示例

-0\x21

每行都添加到缓冲区（或“块”）perl -ne' if (/^\! MATCH/ or eof) { $b[5]=~/^PHE/ and print for @b; @b=() }; push @b, $_ ' data.txt中。以@b开头的行开始一个新块，因此，如果它的第六行以! MATCH开头（在真实数据PHE中），则打印前一个，并清空下一个块的缓冲区。

$b[9]是必需的，因此对于输入的最后一个块/缓冲区，也要这样做。

我可以建议在写入此文件时在记录之间插入空白行。

Answer 2

听起来这可能是您要尝试执行的操作：

$ awk '
    { recLine = NR%8 }
    { rec = (recLine==1 ? "" : rec ORS) $0 }
    recLine==6 { f = /PHE/ }
    (recLine==0) && f { print rec }
' file
! MATCH
!
HIT
NUM     1
VAL A 184
PHE A 209
END
!
! MATCH
!
HIT
NUM     1
LEU A 296
PHE A 321
END
!

只需将您的真实数据更改为8到12和6到10。

Answer 3

这是一个易于理解和可扩展的脚本。

#!/usr/bin/env perl
use strict;
my $matchNum=0;
my @match;
while (<STDIN>) {
  chomp;
  if (/^! MATCH$/) {
    @match and checkMatch(\@match, \$matchNum);
    @match=($_);
  } else { push @match, $_ }
}
@match and checkMatch(\@match, \$matchNum);

sub checkMatch {
  my ($matchAR, $matchNumSR) = @_;
  ++$$matchNumSR;
  if ( $matchAR->[9] =~ /^PHE/ ) {
    print "Match $$matchNumSR = $matchAR->[9]\n";
  }
}

Answer 4

这可能对您有用（GNU sed）：

sed -n '14~12{h;b};H;23~12{/^PHE/!{x;z;x}};25~12{x;/^\n/!p;x}' file

设置类似grep的选项-n。从第14行开始，然后以12为模，将保持空间设置为当前行并脱离sed脚本。对于所有其他行，请将当前行追加到保留空间。在第23行和其后的模12处，检查当前行以开始PHE，如果没有清除保留空间，请检查。在第25行和其后的模12处，检查保留空间，如果它不是以换行开头，则在保留空间中打印所有12行。

如果在第23行和以12为模，及其后的行，当前行没有开始PHE，则保持将被清除，并添加后续行。附加的行之前有换行符，因此，如果保留空间以换行符开头，则对PHE的检查将失败，并且可以丢弃这些行。

替代方法：

sed -r '1,13d;:a;N;s/[^\n]*/&/12;Ta;/^([^\n]*\n){9}PHE/p;d' file

删除前13行。聚集12行，并在第10行以PHE开始时打印它们。

每隔X行Sed，Y行之间进行GREP

4 个答案: