Fatal编程技术网
  • awk/
  • awk或perl解析文本

awk或perl解析文本

awk

awk或perl解析文本,awk,Awk,我将awk（也尝试了sed）作为bash菜单的一部分，但它只是立即打开和关闭。我知道我做错了什么，但不知道是什么。谢谢：） 使用正则表达式提取所需的位怎么样 #!/usr/perl/bin use strict; use warnings; while (<DATA>) { #skip to next row if doesn't start with NC_0000 next unless m/^NC_0000/; #extract digits aft

我将awk（也尝试了sed）作为bash菜单的一部分，但它只是立即打开和关闭。我知道我做错了什么，但不知道是什么。谢谢：）

使用正则表达式提取所需的位怎么样

#!/usr/perl/bin
use strict;
use warnings;

while (<DATA>) {
    #skip to next row if doesn't start with NC_0000
    next unless m/^NC_0000/; 
    #extract digits after NC_0000
    my ($NC_num)  = (m/NC_0000(\d+)/);
    #extract 1 or more digits after 'g.'
    my ($g_num)   = (m/g\.(\d+)/);
    #extract a single letter, either side of '>' 
    my (@letters) = (m/\d(\w)\>(\w)/);
    print join( "\t", $NC_num, $g_num, $g_num, @letters, ), "\n";
}

__DATA__
NC_000013.10:g.20763477C>G
NC_00001.10:g.20763477C>G

#/usr/perl/bin
严格使用；
使用警告；
而（）{
#如果不以NC_0000开头，则跳到下一行
下一个，除非m/^NC_0000/；
#NC\0000后的提取数字
我的（$NC_num）=（m/NC_0000（\d+/）；
#在“g”之后提取一个或多个数字
我的（$g_num）=（m/g\（\d+）/）；
#从“>”的任意一侧提取一个字母
我的（@letters）=（m/\d（\w）\>（\w）/）；
打印联接（“\t”，$NC\u num，$g\u num，$g\u num，@letters，），“\n”；
}
__资料__
NC_000013.10:g.20763477C>g
NC_00001.10:g.20763477C>g
Perl和awk都是非常有能力的文本解析器。就个人而言，我与perl相处得更好。但这更多的是意见问题

使用正则表达式提取所需的位怎么样

#!/usr/perl/bin
use strict;
use warnings;

while (<DATA>) {
    #skip to next row if doesn't start with NC_0000
    next unless m/^NC_0000/; 
    #extract digits after NC_0000
    my ($NC_num)  = (m/NC_0000(\d+)/);
    #extract 1 or more digits after 'g.'
    my ($g_num)   = (m/g\.(\d+)/);
    #extract a single letter, either side of '>' 
    my (@letters) = (m/\d(\w)\>(\w)/);
    print join( "\t", $NC_num, $g_num, $g_num, @letters, ), "\n";
}

__DATA__
NC_000013.10:g.20763477C>G
NC_00001.10:g.20763477C>G

#/usr/perl/bin
严格使用；
使用警告；
而（）{
#如果不以NC_0000开头，则跳到下一行
下一个，除非m/^NC_0000/；
#提取NC_0000后面的数字
我的（$NC_num）=（m/NC_0000（\d+/）；
#在“g”之后提取一个或多个数字
我的（$g_num）=（m/g\（\d+）/）；
#从“>”的任意一侧提取一个字母
我的（@letters）=（m/\d（\w）\>（\w）/）；
打印联接（“\t”，$NC\u num，$g\u num，$g\u num，@letters，），“\n”；
}
__资料__
NC_000013.10:g.20763477C>g
NC_00001.10:g.20763477C>g
Perl和awk都是非常有能力的文本解析器。就个人而言，我与perl相处得更好。但这更多的是意见问题

gawk
可以做到：

$ gawk 'FNR > 1 && match($0, /NC_0000([0-9]*)\..*g\.([0-9]+)(.)>(.)/, a)
{ print a[1], a[2], a[2], a[3], a[4] }' OFS='\t' input
13  20763477    20763477    C   G
1   20763477    20763477    C   G

gawk
可以做到：

$ gawk 'FNR > 1 && match($0, /NC_0000([0-9]*)\..*g\.([0-9]+)(.)>(.)/, a)
{ print a[1], a[2], a[2], a[3], a[4] }' OFS='\t' input
13  20763477    20763477    C   G
1   20763477    20763477    C   G
您对工具的选择应基于您将来维护的方便性。如果你能更好地调试awk，那么就使用awk，因为修复坏掉的东西比稍微不雅观的代码或奇怪的CPU浪费周期要昂贵得多

如果你在找本地人，那么见鬼，你可以用sed来做。我喜欢sed，因为它很短。如果您的后脑中已经安装了正则表达式解析器，那么调试通常也是最有效的。：）

（我正在使用一个变量来插入选项卡，这更明显，但您当然可以将它们添加到行内。）

您选择的工具应该基于您将来的维护方便性。如果你能更好地调试awk，那么就使用awk，因为修复坏掉的东西比稍微不雅观的代码或奇怪的CPU浪费周期要昂贵得多

如果你在找本地人，那么见鬼，你可以用sed来做。我喜欢sed，因为它很短。如果您的后脑中已经安装了正则表达式解析器，那么调试通常也是最有效的。：）

（我使用了一个变量来插入选项卡，这更明显，但您当然可以将它们内联添加。）

这看起来很合理，只是awk中的
-f
选项意味着awk脚本的文件名。您的“内联”awk脚本应该用单引号字符包围，即
awk'FNR>1{……..}'OFS='\t'…
（注意，您不需要
-f
）。您是否遇到错误，或者重新格式化是否正常？如果是这样的话，你应该在问题的主体中包含这些信息。使用编辑框左上角的
{}
工具格式化代码、错误消息和示例数据/输出。祝你好运。警告一句：如果你碰巧有“NC_000123”或其他可能性（即，不总是4开头的“0”），你不会处理这些行。请不要完全替换你现有的问题。如果有更新，可以将其添加到末尾，但如果是新问题，请将其作为单独的问题提问。对于更好的解析备选方案，您有何建议？谢谢：）这看起来很合理，除了awk中的
-f
选项意味着awk脚本的文件名。您的“内联”awk脚本应该用单引号字符包围，即
awk'FNR>1{……..}'OFS='\t'…
（注意，您不需要
-f
）。您是否遇到错误，或者重新格式化是否正常？如果是这样的话，你应该在问题的主体中包含这些信息。使用编辑框左上角的
{}
工具格式化代码、错误消息和示例数据/输出。祝你好运。警告一句：如果你碰巧有“NC_000123”或其他可能性（即，不总是4开头的“0”），你不会处理这些行。请不要完全替换你现有的问题。如果有更新，可以将其添加到末尾，但如果是新问题，请将其作为单独的问题提问。对于更好的解析备选方案，您有何建议？谢谢：）我修改了代码，无法运行。谢谢大家：）。我将重新发布我的道歉。谢谢大家的帮助：）。您应该更喜欢
printf“%s”$s“
，而不是
printf“$s”
（特别是当
$s
是来自外部输入的任意字符串时）；在后者中，
$s
中的任何
%
字符都可以被
printf
解释为转换规范。此外，您可以使用
@musiphil，关于printf，请重新阅读我的答案；你的建议行不通
$s
包含一种格式，因此，如果将换行符作为
%s
格式的数据，则不会展开换行符。关于重定向，只有在shell为bash时才有效。这个问题没有指定一个shell。我的答案将在多个shell中工作，而不仅仅是您使用的shell。我修改了代码，无法让它运行。谢谢大家：）。我将重新发布我的道歉。谢谢大家的帮助：）。您应该更喜欢
printf“%s”$s“
，而不是
printf“$s”
（特别是当
$s
是来自外部输入的任意字符串时）；在后者中，
$s
中的任何
%
字符都可以解释为转换