☰

Filtrar un archivo en una cadena

tag-icon • tag-icon shell text-processing awk
Filtrar un archivo en una cadena

Tengo un archivo que se parece a este

a   0   gene1   56  0   6S32M12S    *
b   256 gene2   56  0   6S32M12S    *
c   256 gene3   55  0   6S27M17S    *
d   16  gene4   110 9   19S25M6S    *
e   272 gene5   141 9   23S21M6S    *
f   272 gene6   139 9   24S20M6S    *
g   0   gene7   38  1   6S44M   *
h   256 gene8   38  1   6S44M   *
I   256 gene9   38  1   6S44M   *
j   256 gene10  40  1   8S42M   *

La sexta columna es la cadena que quiero filtrar. Básicamente, si la cadena contiene una coincidencia igual o superior a 16S (digamos 16S, 17S, 18S, 19S y más), informe esas líneas. ¿Cómo puedo hacer eso? El resultado del ejemplo anterior sería:

c   256 gene3   55  0   6S27M17S    *
d   16  gene4   110 9   19S25M6S    *
e   272 gene5   141 9   23S21M6S    *
f   272 gene6   139 9   24S20M6S    *

Acabo de mostrarles un pequeño fragmento de un archivo grande.

Respuesta1

perl -ane 'print if grep {$_ >= 16} ($F[5] =~ /(\d+)S/g)' file

salidas

c   256 gene3   55  0   6S27M17S    *
d   16  gene4   110 9   19S25M6S    *
e   272 gene5   141 9   23S21M6S    *
f   272 gene6   139 9   24S20M6S    *

Eso encuentra todos los dígitos seguidos de "S" en el sexto campo. Si alguno es mayor o igual a 16, imprime la línea.

buscar -nenperldoc perlrun

Una forma interesante de ver qué hace Perl con una sola línea es agregar la opción-MO=Deparse

$ perl -MO=Deparse -ane 'print if grep {$_ >= 16} ($F[5] =~ /(\d+)S/g)'
LINE: while (defined($_ = <ARGV>)) {
    our(@F) = split(' ', $_, 0);
    print $_ if grep {$_ >= 16;} $F[5] =~ /(\d+)S/g;
}
-e syntax OK

ver
http://perldoc.perl.org/B/Deparse.html
http://perldoc.perl.org/O.html

Lo explicaré ampliando la frase en un guión:

#!/usr/bin/env perl
my $filename = shift @ARGV;
open my $fh, '<', $filename or die $!;
while (defined($_ = <$fh>)) {
    my @F = split(' ', $_, 0);
    my @s_numbers = $F[5] =~ /(\d+)S/g;
    if (grep {$_ >= 16;} @s_numbers) {
        print $_;
    }
}
close $fh;

Respuesta2

Suponiendo que el segundo Stambién importa:

awk '{
split ($6, nums, /S([0-9]+M)?/); 
for (i in nums) 
  if (nums[i] > 16) 
    { print; next }
}' test.txt

información relacionada