☰

특정 문자열이 포함된 연속 줄을 찾아 테이블을 기반으로 파일 수정

tag-icon • tag-icon text-processing
특정 문자열이 포함된 연속 줄을 찾아 테이블을 기반으로 파일 수정

해결할 수 없는 텍스트 조작 문제가 있습니다. 아래와 같은 텍스트 파일(text.txt)이 있다고 가정해 보겠습니다. /locus_tagwith 줄 다음에 with 줄이 오는 경우 /gene와 그렇지 않은 줄이 있는 경우가 있습니다 . 뒤에 /locus_tag오지 않는 모든 줄을 찾은 /gene다음 아래와 같은 테이블(table.txt)을 사용하여 를 /locus_taga와 일치 /gene시키고 ./gene/locus_tag

이 작업을 수행하는 방법에 대한 아이디어가 있으면 좋을 것입니다.

/locus_tag="LOCUS_23770"
/note="ABC"
/locus_tag="LOCUS_23780"
/note="DEF"
/locus_tag="LOCUS_23980"
/note="GHI"
/locus_tag="LOCUS_24780"
/gene="BT_4758"
/note="ONP"
/locus_tag="LOCUS_25780"
/gene="BT_4768"
/note="WZX"

테이블

/locus_tag       /gene
LOCUS_00010      BT_4578
LOCUS_00020      BT_4577
LOCUS_00030      BT_2429

답변1

연결된 파일을 사용하면 작동합니다.

awk 'BEGIN{FS="[ =]+"; OFS="="}
     BEGINFILE{fno++}
     fno==1{locus["\""$1"\""]="\""$2"\""; }
     fno>1{if (old ~ /LOCUS/ && $0 !~ /gene/) print "/gene", locus[old]; old=$3; print}
    ' table file1

전에

                     /locus_tag="LOCUS_00030"
                     /note="WP_011108293.1 hypothetical protein (Bacteroides

후에

                     /locus_tag="LOCUS_00030"
/gene="BT_2429"
                     /note="WP_011108293.1 hypothetical protein (Bacteroides

awk연습 에 익숙하지 않기 때문에

awk 'BEGIN{FS="[ =]+"; OFS="="}
# set up the input field separator as any group of spaces and/or =
# and set the output field separator as =

     BEGINFILE{fno++}
     # Whenever you open a file, increment the file counter fno

     fno==1{locus["\""$1"\""]="\""$2"\""; }
     # if this is the first file (i.e. table) load the array `locus[]`
     # but wrap the fields in "..." so that they are exactly like the data file entries

     fno>1{if (old ~ /LOCUS/ && $0 !~ /gene/) print "/gene", locus[old]; old=$3; print}
     # if this is a data file
     # if the current value of old (i.e. the previous line) is a LOCUS
     # and && this line ($0) isn't a gene
     # add a gene by indexing into the locus array based upon the value of old
     # because old contains the last LOCUS we found
     # in all cases
     #    set old to the 3rd field on the current line,
     #       which on any LOCUS line is the string "LOCUS_?????" and
     #    print the current line
     # See note below re $2 vs $3 and FS

    ' table file1
    # your input files, table must be first, you can have more data files if you want

또는 multichar가 없으면 multichar 가 수행하는 데이터 파일의 텍스트 앞 공백에서 중단되지 않기 때문에 FS유지합니다 .old=$2

아래에서는 읽고 있는 파일에 따라 필드 구분 기호를 설정합니다 FS=(fno==1)?" ":"=". 테이블과 =데이터를 위한 공간

awk 'BEGIN{OFS="="}
     BEGINFILE{fno++;FS=(fno==1)?" ":"="}
     fno==1{locus["\""$1"\""]="\""$2"\""; }
     fno>1{if (old ~ /LOCUS/ && $0 !~ /gene/) print "/gene", locus[old]; old=$2; print}
    ' table file1

테이블 파일이 메모리를 먹을 만큼 크지 않다면 말이죠.

그리고 비어 있는 것 이상으로 적합한 경우 누락된 유전자에 메시지를 삽입하는 테스트를 실시합니다./gene=

fno>1{if (old ~ /LOCUS/ && $0 !~ /gene/) print "/gene", (old in locus)?locus[old]:"\"GENE_MISSING_AT_LOCUS\""; old=$3; print}

사용 중인 old버전과 일치하도록 필드 참조를 변경하세요.FS

                     /locus_tag="LOCUS_00020"
/gene="GENE_MISSING_AT_LOCUS"
                     /note="WP_008765457.1 hypothetical protein (Bacteroides

편집하다

연결한 샘플 파일을 보면 위의 샘플과 필드 번호가 엉망인 실제 데이터 간의 형식 차이에 문제가 있는 것뿐입니다. old=$2그냥 으로 변경하면 됩니다 old=$3. 위에서 수정했습니다.

관련 정보