GAWK不会在使用单个文件阻塞ENDFILE后终止

我在下面有一个gawk脚本，它读取一个文件，只打印出序列中没有X且在一定长度范围内的记录。我想修改文件，所以我让脚本写入一个临时文件，然后将其重命名为原始文件。gawk中的

BEGINFILE

和

ENDFILE

构造似乎很方便实现这一点。但是，由于某些原因，即使给定了单个文件参数，在执行

ENDFILE

中的代码后，gawk也不会退出。它似乎跳回另一行代码，然后挂起。有人知道是什么导致了这一切吗？奇怪的是，并不是每个FASTA文件都会出现这种情况，只有少数文件，我无法区分触发错误的文件和未触发错误的文件之间有什么不同

#! /bin/gawk -f

function trim(s) {
    gsub(/^[ \t]+|[ \t]+$/, "", s)
    return s
}

function printFasta(header, seq, outfile,    seq_line_max_chars) {
    print ">" header > outfile
    seq_line_max_chars = 80
    start = 1
    end = length(seq)
    while (start <= end) {
        print substr(seq, start, seq_line_max_chars) > outfile
        start += seq_line_max_chars
    }
}

BEGIN {
    min_prot_len = 400
}

BEGINFILE {
    tmp_out = FILENAME ".tmp"
}

/^>.+/ {
    headerStartIdx = index($0, ">") + 1
    header = trim(substr($0, headerStartIdx))

    getline
    sequence = ""
    while ($0 !~ /(^>.+)|(^[[:space:]]*$)/) {
        x_matched = match($0, "X")
        if (x_matched != 0) {
            next
        }

        gsub("*", "")
        sequence = sequence $0
        getline
    }

    if (length(sequence) >= min_prot_len) {
        printFasta(header, sequence, tmp_out)
    }
}

ENDFILE {
   print "move called"
   # system(("mv " tmp_out " " FILENAME)) 
}

运行此操作时，会打印名为的移动，然后挂起。我尝试单步执行调试器，看到它到达处理了输入文件中所有行的

ENDFILE

块，但当我键入

next

命令时，它会跳到第44行的

getline

语句。在多次迭代

next

和

print$0

之后，程序似乎一直在读取输入文件的最后一行，直到时间结束。也许这是一个错误

我正在使用GAWK 5.1.0

编辑 最小输入文件。

---

当我只使用几个序列运行脚本时，它会工作，但当我使用整个文件时，它会挂起。我不知道如何在不提供整个文件的情况下制作一个最小的示例。

在您提供样本输入以进行测试后，我们会确定，但是我的钱在循环中调用

getline

，到达文件的结尾，从而触发

ENDFILE

条件为真，但是您仍然处于循环

看：

---

在循环中调用

getline

不是编写awk脚本的方式，代码中的语法在任何时候调用

getline

时都是错误的-请参阅。

我修改了脚本，删除了

getline

，以防有人发现它有用

#! /bin/gawk -f

function  printFasta(header, seq,    seq_line_max_chars) {
    print ">" header
    seq_line_max_chars = 80
    start = 1
    end = length(seq)
    while (start <= end) {
        print substr(seq, start, seq_line_max_chars)
        start += seq_line_max_chars
    }
}

BEGIN {
    FS = ">"
    min_prot_len = 400
    max_prot_len = 700
}

NF > 1 {
    if (sequence && 
        length(sequence) >= min_prot_len &&
        length(sequence) <= max_prot_len) {

        printFasta(header, sequence)
    }
}

{
    if (!header) {
        next
    } else {
         x_in_seq = match($0, "X")
         if (!x_in_seq) {
             gsub("*", "")
             sequence = sequence $0
         } else {
             header = ""
         }
    }
}

END {
    if (header) {
        printFasta(header, sequence)
    }
}

#/垃圾箱/呆板-f
函数printFasta（标题、序号、序号行和最大字符）{
打印“>”标题
seq_line_max_chars=80
开始=1
结束=长度（序号）
while（开始1{
如果（序列&&
长度（序列）>=最小保护长度&&
长度（顺序）请你的问题也提供一个我们可以测试的最小样本输入文件。当你问下一个问题时-不要发布链接或图像，在你的问题中发布文本。如果没有滚动条，任何样本输入或输出都不适合你的问题，那么这不是一个最小的示例。是的，我不想发布链接，但我找不到重复出现问题的最小序列数。我不知道为什么脚本可以工作几个序列，但会中断很多序列。看看你的循环，我想你会遇到每个输入文件的问题，这些文件的最后一行不是空的，因为对于以非空行结尾的文件，不是以
它只会在每次迭代中循环重新测试$0，每次失败时getline都会返回相同的最后一行，因为它已经到达了文件的末尾。我正在考虑这个问题，我怀疑
getline
可能是问题所在。我是否应该将while循环中的正则表达式移到它自己的块中？我不知道您在想什么r脚本正在这样做，我不能建议它应该如何编写。你应该接受对你发布的问题的这个答案，并发布一个新的问题，如果你需要帮助，在第一步尝试摆脱getlines之后，找出如何以正确的方式做你正在尝试做的事情。
$ cat file
foo
bar

$ cat tst.awk
{
    while (1) {
        print "about to execute getline"
        getline
        print "just executed getline:", $0
        if (++c == 5) {
            exit
        }
    }
}
ENDFILE {
    print "*** in ENDFILE ***"
}

$ awk -f tst.awk file
about to execute getline
just executed getline: bar
about to execute getline
*** in ENDFILE ***
just executed getline: bar
about to execute getline
just executed getline: bar
about to execute getline
just executed getline: bar
about to execute getline
just executed getline: bar

#! /bin/gawk -f

function  printFasta(header, seq,    seq_line_max_chars) {
    print ">" header
    seq_line_max_chars = 80
    start = 1
    end = length(seq)
    while (start <= end) {
        print substr(seq, start, seq_line_max_chars)
        start += seq_line_max_chars
    }
}

BEGIN {
    FS = ">"
    min_prot_len = 400
    max_prot_len = 700
}

NF > 1 {
    if (sequence && 
        length(sequence) >= min_prot_len &&
        length(sequence) <= max_prot_len) {

        printFasta(header, sequence)
    }
}

{
    if (!header) {
        next
    } else {
         x_in_seq = match($0, "X")
         if (!x_in_seq) {
             gsub("*", "")
             sequence = sequence $0
         } else {
             header = ""
         }
    }
}

END {
    if (header) {
        printFasta(header, sequence)
    }
}