Awk 垂直Grep文本

我有一个这样的文本文件

scaffold20  6146680 .   T   C   44.4146 .   DP=2;VDB=0.02;SGB=-0.4
scaffold20  6146696 .   G   A   8.13869 .   DP=1;SGB=-0.379885;MQ0
scaffold20  6146760 .   A   G   8.13869 .   DP=1;SGB=-0.379885;MQ0
scaffold20  6146785 .   A   G   8.13869 .   DP=1;SGB=-0.379885;MQ0
scaffold20  6146864 .   A   C   153 .   DP=7;VDB=0.637622;SGB
scaffold20  6146867 .   G   A   11.4845 .   DP=8;VDB=0.82;SGB=-0.45
scaffold20  6146914 .   G   A   20.2676 .   DP=5;VDB=0.06;SGB=-0.45
scaffold20  6147094 .   G   A   44.4146 .   DP=2;VDB=0.44;SGB=-0.45
scaffold20  6147165 .   C   T   8.13869 .   DP=1;SGB=-0.379885;MQ0F=
scaffold20  6147166 .   A   G   8.13869 .   DP=1;SGB=-0.37

我需要打印4列是否有此序列

  A
  A
  G

像这样

scaffold20  6146785 .   A   G   8.13869 .   DP=1;SGB=-0.379885;MQ0
scaffold20  6146864 .   A   C   153 .   DP=7;VDB=0.637622;SGB
scaffold20  6146867 .   G   A   11.4845 .   DP=8;VDB=0.82;SGB=-0.45

---

Grep中有任何选项吗？

在列中垂直Grep最好使用awk。这里有一个快速的方法

awk -v s="AAG" 'BEGIN{n=length(s);t=sprintf("%*s",n," ")}
                {b[FNR%n]=$0; t=substr(t,2)$4}
                (t==s) { for(i=1;i<=n;++i) print b[(FNR+i)%n] }' file

awk-vs=“AAG”开始{n=length（s）；t=sprintf（“%*s”，n，”）
{b[FNR%n]=$0；t=substr（t，2）$4}
（t==s）{for（i=1；i
在一个数组中存储2行历史记录
将第4列的历史记录存储在数组中
如果当前行和历史记录中的两个第四列与您的条件匹配。
打印历史记录
打印当前行

应：

awk '
n==2 && c[0]=="A" && c[1]=="A" && $4=="G"{
    for (i=0;i<n;++i) print(h[i])
    print
}
{
     # shift history left
     # its just h[0]=h[1]; c[0]=c[1]; anyway
     for (i=0;i<n-1;++i) { h[i]=h[i+1]; c[i]=c[i+1]; }
     if (n < 2) n++;
     # append to history
     h[n-1]=$0; c[n-1]=$4; 
}' inputfile.txt

awk'
n==2&&c[0]==A&&c[1]==A&&4==G{
对于（i=0；i通用解决方案：，可以在输入文件的第4列中提到需要匹配的序列，该列用空格分隔，然后它将进行检查

awk -v sequence="A A G" '
BEGIN{
  num=split(sequence,array," ")
  for(i=1;i<=num;i++){
  counter[i]=array[i]
  }
}
FNR==NR{
  a[FNR]=$4
  val[FNR]=$0
  next
}
($4==counter[1]){
  found=1
  for(k=2;k<=num;k++){
    if(a[FNR+k-1]==counter[k]){ found++}
  }
}
found==num{
  print val[FNR]
  for(k=2;k<=num;k++){
     print val[FNR+k-1]
  }
  found=""
}
'  Input_file  Input_file

假设一个制表符分隔的文件，并且模式成分只有一个字符长，您可以像这样使用
grep
、
coreutils
和
sed
：

col=4
s=AAG
from=$(( 1 + $(cut -f$col infile | tr -d '\n' | grep -bo $s | cut -d: -f1) ))
to=$(( from + ${#s} - 1 ))
sed -n "$from,$to p" infile

输出：

scaffold206146785.ag8.13869.DP=1；SGB=-0.379885；MQ0
脚手架20 6146864.A C 153.DP=7；VDB=0.637622；SGB
脚手架206146867.GA11.4845.DP=8；VDB=0.82；SGB=0.45

如果文件匹配多次，您可以生成一个sed脚本，例如，在匹配之间使用分隔符（假设GNU sed）：

在Grep中有任何选项吗？
没有。使用另一个工具并自己编程。比如在awk.或python.或perl.等中。我想知道为什么要这样做。在您的示例中，基因组位置（第2列）不是顺序的，所以你没有真正找到“AAG”基序，因为在A、A和G之间会有其他核苷酸。或者我遗漏了什么？这是为了检查特定位置上是否有任何变化示例开始或停止密码注意，此方法非常灵活，允许在人物专栏！
awk '
FNR==NR{
  a[FNR]=$4
  val[FNR]=$0
  next
}
($4=="A" && a[FNR+1]=="A" && a[FNR+2]=="G"){
  print val[FNR] ORS val[FNR+1] ORS val[FNR+2]
}
' Input_file   Input_file

col=4
s=AAG
from=$(( 1 + $(cut -f$col infile | tr -d '\n' | grep -bo $s | cut -d: -f1) ))
to=$(( from + ${#s} - 1 ))
sed -n "$from,$to p" infile

col=4
s=AAG
cut -f$col infile | tr -d '\n' | grep -bo $s | cut -d: -f1 | 
while read n; do 
  from=$(( n+1 ))
  to=$(( from + ${#s} - 1 ))
  echo $from,$to p
  echo "$to z"
  echo "$to s/^/--/p"
done | sed -nf - infile