在 bash 脚本中使用 awk 到 select 行范围基于特定行中的字符数

Question

这似乎可以在单个长 awk 命令中实现。但是我对 awk 的了解还不够。

我想在输入的每 4 行中识别 A、T、G 和 C 个字符的总数，从第 2 行开始。如果任何 4 的倍数的行号，其字符数在 1000 到 3000 范围内，然后我希望它打印该行以及上面的行和下面的两行。

我可以将其分解并在单独的代码行中执行部分操作。但是当我有数百万行时，计算时间太长。我在这里需要一个强大的 awk 命令。一定有 awk 高手来解决这个问题！

非常小的示例，范围为 10 < character count < 40:
输入：

@d0aec33d-ba    
TCAGTATGCTTCGTGCAATCAAG    
+    
-0(''$&"('    
@ee487ad3-b71    
ACAATGTG    
+    
""%#0&'+367<677

输出：

@d0aec33d-ba    
TCAGTATGCTTCGTGCAATCAAG    
+    
-0(''$&"('

Answer 1

这是一个快速的：

$ awk '
NR%4==1 { b="" }                                # first record of four, reset buffer
NR%4==2 && length()>10 && length()<40 { f=1 }   # 2/4 if length is right, flag up
{ b=b [=10=] ORS }                                  # buffer records to b
NR%4==0 && f {                                  # 4/4 
    printf "%s",b                               # print if flag is up
    f=0                                         # and flag down
}' file

输出：

@d0aec33d-ba
TCAGTATGCTTCGTGCAATCAAG
+
-0(''$&"('

编辑:

参数化版本（x=$min、y=$max）：

$ awk -v x=$min -v y=$max '
NR%4==1 { b="" }                                # first record of four, reset buffer
NR%4==2 && length()>x && length()<y { f=1 }     # 2/4 if length is right, flag up
{ b=b [=12=] ORS }                                  # buffer records to b
NR%4==0 && f {                                  # 4/4 
    printf "%s",b         #                     # print if flag is up
    f=0                 # #                     # and flag down
    # printf b; f=0   # # # # # # # # # # # # # # if commands on the same line                        
}' file                 # #
                          #

为了以防万一：

$ awk -v x=$min -v y=$max 'NR%4==1{b=""} NR%4==2 && length()>x && length()<y{f=1} {b=b [=13=] ORS} NR%4==0 && f{printf "%s",b; f=0}' file

在 bash 脚本中使用 awk 到 select 行范围基于特定行中的字符数

Using awk in a bash script to select line range based on number of characters in specific line

bash

awk

text-processing