打印行+；如果下两行匹配，则下两行使用awk

我有一个文件，其中有一个转录本条目，下面的几行是相关的外显子。有时这可能是一个外显子和一个后续行，有时有'n'外显子和'n'后续行，如：

1      Cufflinks       transcript      63846957        63847511 
1      Cufflinks       exon    63846957        63847511   
1      Cufflinks       transcript      63851691        63852040       
1      Cufflinks       exon    63851691        63852040 
2      Cufflinks       transcript      8442356 8443964 
2      Cufflinks       exon    8442356 8442368 
2      Cufflinks       exon    8443768 8443964
2      Cufflinks       exon    8444000 8444578
2      Cufflinks       transcript      8258988 8259803 
2      Cufflinks       exon    8258988 8259271 
2      Cufflinks       exon    8259370 8259803

只有当转录本后面有两个外显子时，我才会打印出转录本和相关的外显子序列。对于这个例子，只提取最后三行（一个转录本行和两个外显子行）

---

如何使用awk实现这一点？

您可以将行保存在数组中，然后在确定外显子的数量后打印它们

#!/usr/bin/awk -f

BEGIN {
        number_of_exons = 0;
}

END {
        print_if_two_exons();
}

$3 == "transcript" {
        print_if_two_exons();
        transcript = $0;
}

$3 == "exon" {
        exons[number_of_exons++] = $0;
}

function print_if_two_exons() {
        if (transcript && number_of_exons == 2) {
                print transcript;
                for (i = 0; i < number_of_exons; i++) {
                        print exons[i];
                }
        }
        delete exons;
        number_of_exons = 0;
}

---

您可以将行保存在数组中，然后在确定外显子数量后打印它们

#!/usr/bin/awk -f

BEGIN {
        number_of_exons = 0;
}

END {
        print_if_two_exons();
}

$3 == "transcript" {
        print_if_two_exons();
        transcript = $0;
}

$3 == "exon" {
        exons[number_of_exons++] = $0;
}

function print_if_two_exons() {
        if (transcript && number_of_exons == 2) {
                print transcript;
                for (i = 0; i < number_of_exons; i++) {
                        print exons[i];
                }
        }
        delete exons;
        number_of_exons = 0;
}

$cat awk脚本
功能集\u全部（s、t、e）{
外显子=e；转录=t；str=s
}
/成绩单/{set_all（$0,1,0）}
/外显子/{
if（tran）{
如果（外显子
$cat awk脚本
功能集\u全部（s、t、e）{
外显子=e；转录=t；str=s
}
/成绩单/{set_all（$0,1,0）}
/外显子/{
if（tran）{
如果（外显子你可以用PCRE来做这件事


在ruby中：

$ ruby -e 'buf=$<.read
        buf.scan(/.*transcript.*\n+.*exon.*\n.*exon.*\n(?=(?:.*transcript)|\z)/)
           .each { |m| puts m }'
2      Cufflinks       transcript      8258988 8259803 
2      Cufflinks       exon    8258988 8259271 
2      Cufflinks       exon    8259370 8259803

与Python、GNU grep等类似，您可以使用PCRE来实现这一点


在ruby中：

$ ruby -e 'buf=$<.read
        buf.scan(/.*transcript.*\n+.*exon.*\n.*exon.*\n(?=(?:.*transcript)|\z)/)
           .each { |m| puts m }'
2      Cufflinks       transcript      8258988 8259803 
2      Cufflinks       exon    8258988 8259271 
2      Cufflinks       exon    8259370 8259803

与Python、GNU grep等类似。谢谢你的回答。你介意解释一下代码吗？我仍在尝试自学bash/awk。我试图让代码尽可能可读和自解释，但这取决于你的经验水平。你有什么具体问题吗？我想我很困惑()被调用两次？一次在结束后，一次在$3==转录本时？我也不太明白外显子的数量是如何填充的？对不起，我基本上是一个初学者。对不起，混淆了。问题是，你不知道有多少外显子，直到你读过它们之后。在外显子块之外是什么？下一个转录行，还是不因此，如果两个外显子
，两者都应该触发对
print\u的调用。至于
外显子的数量
，它是通过以下语句实现的：
外显子[外显子的数量+++]=$0；
谢谢你的回答。你介意解释一下代码吗？我仍在努力自学bash/awk。我试图让代码尽可能可读和自解释，但这取决于你的经验水平。你有什么具体的问题吗？我想我很困惑，就像打印两个外显子一样（）被调用两次？一次在结束后，一次在$3==转录本时？我也不太明白外显子的数量是如何填充的？对不起，我基本上是一个初学者。对不起，混淆了。问题是，你不知道有多少外显子，直到你读过它们之后。在外显子块之外是什么？下一个转录行，还是不因此，如果两个外显子
，两者都应该触发对
print\u的调用。至于
外显子的数量
，它是通过以下语句实现的：
外显子[number\u of_exons++]=$0；
$ ruby -e 'buf=$<.read
        buf.scan(/.*transcript.*\n+.*exon.*\n.*exon.*\n(?=(?:.*transcript)|\z)/)
           .each { |m| puts m }'
2      Cufflinks       transcript      8258988 8259803 
2      Cufflinks       exon    8258988 8259271 
2      Cufflinks       exon    8259370 8259803

$ perl -0777 -lane 'while (/(.*transcript.*\n+.*exon.*\n+.*exon.*\n+)(?=(?:.*transcript)|\z)/g) {print $1;}' file