使用awk打印文件中图案的索引

我已经在这个上面坐了很长时间了：

我想使用awk在

sample.file

中搜索模式并打印索引：

>sample
ATGCGAAAAGATGAACGA
GTGACAGACAGACAGACA
GATAAACTGACGATAAAA
...

假设我想找到以下模式的索引：“AAAA”（出现两次），所以结果应该是6和51

编辑：

我能够使用以下脚本：

cat ./sample.fasta |\
awk '{
    s=$0
    o=0
    m="AAAA"
    l=length(m)
    i=index(s,m)
    while (i>0) {
        o+=i
        print o
        s=substr(s,i+l)
        o+=l-1
        i=index(s,m)
    }
}'

但是，它会在每一行重新启动索引，因此结果是6和15。我总是可以将所有行连接成一行，但也许有一种更优雅的方式

---

提前感谢

awk

逐行读取文件，这样在多行文件中查找“所有”索引就不会有问题。您的问题是您试图使用

BEGIN

块，顾名思义，它只在程序开始时运行。同样，

index（）

函数接受两个参数

对于您的示例数据，这应该适用于：

awk '/AAAA/{print index($0,"AAAA")+l} NR>1{l+=length}' sample.file

awk -v pat=AAAA 'BEGIN{for(n=0;n<length(pat);n++) rep=rep"x"} NR>1{while(i=index($0,pat)){print i+l; sub(pat,rep);} l+=length}' sample.file

只有当

AAAA

匹配时，第一个代码块才会运行，第二个代码块在第一个代码块之后的每一行都会运行，并随着该行的长度递增计数器

---

对于每行有多个匹配项的情况，这应该可以：

awk '/AAAA/{print index($0,"AAAA")+l} NR>1{l+=length}' sample.file

awk -v pat=AAAA 'BEGIN{for(n=0;n<length(pat);n++) rep=rep"x"} NR>1{while(i=index($0,pat)){print i+l; sub(pat,rep);} l+=length}' sample.file

awk-v pat=AAAA'BEGIN{for（n=0；n1{while（i=index（$0，pat））{print i+l；sub（pat，rep）；}l+=length}sample.file

模式作为变量传递；当程序启动时，根据模式的长度生成替换文本。然后循环第一行之后的每一行，获取模式的索引并替换它，以便下一次迭代返回下一个实例

---

值得一提的是，这两种方法都将匹配

AAAAAA

awk

逐行读取文件，因此查找“全部”不会有问题多行文件中的索引。您的问题是试图使用

BEGIN

块，顾名思义，该块仅在程序开始时运行。此外，

index（）

函数还具有两个参数

对于您的示例数据，这应该适用于：

awk '/AAAA/{print index($0,"AAAA")+l} NR>1{l+=length}' sample.file

awk -v pat=AAAA 'BEGIN{for(n=0;n<length(pat);n++) rep=rep"x"} NR>1{while(i=index($0,pat)){print i+l; sub(pat,rep);} l+=length}' sample.file

只有当

AAAA

匹配时，第一个代码块才会运行，第二个代码块在第一个代码块之后的每一行都会运行，并随着该行的长度递增计数器

---

对于每行有多个匹配项的情况，这应该可以：

awk '/AAAA/{print index($0,"AAAA")+l} NR>1{l+=length}' sample.file

awk -v pat=AAAA 'BEGIN{for(n=0;n<length(pat);n++) rep=rep"x"} NR>1{while(i=index($0,pat)){print i+l; sub(pat,rep);} l+=length}' sample.file

awk-v pat=AAAA'BEGIN{for（n=0；n1{while（i=index（$0，pat））{print i+l；sub（pat，rep）；}l+=length}sample.file

模式作为变量传递；当程序启动时，根据模式的长度生成替换文本。然后循环第一行之后的每一行，获取模式的索引并替换它，以便下一次迭代返回下一个实例

值得一提的是，这两种方法都将匹配

AAAAAA

AWK索引当然：

awk '{ l=index($0, "AAAA"); if (l) print l+i; i+=length(); }' dna.txt

6
51

当然，AWK索引：

awk '{ l=index($0, "AAAA"); if (l) print l+i; i+=length(); }' dna.txt

6
51

---

如果您对基于零的索引没有问题，这可能会更简单

$ sed 1d file | tr -d '\n' | grep -ob AAAA

5:AAAA
50:AAAA

---

假设标题行已过帐，如果不使用remove

sed

命令。请注意，这假设为单字节字符，如图所示。对于扩展字符集，它将不是字符位置，而是字节偏移量。

如果对基于零的索引没有问题，这可能会更简单

$ sed 1d file | tr -d '\n' | grep -ob AAAA

5:AAAA
50:AAAA

---

如果没有remove

sed

命令，则假定标题行已发布。请注意，这假定为单字节字符，如图所示。对于扩展字符集，它将不是字符位置，而是字节偏移量。

您现在提交的代码是针对只搜索一行的情况编写的。您现在提交的代码是为在这种情况下，您只搜索一行。

sed 1d sample.fasta | tr-d'\n'| grep-ob AAAA

然后我得到

0:AAAA AAAA

有些错误，但是我在上面的注释中使用了您的

sed

部分使它们工作起来。谢谢！

awk-F:{print$1+1}“

sed 1d sample.fasta | tr-d'\n'| grep-ob AAAA

然后我得到了

0:AAAA AAAA

一些错误，但是我在上面的评论中使用了你的

sed

部分使它们工作起来。谢谢！

awk-F:{print$1+1}

工作得很有魅力，但是我不得不添加sed 1d dna.txt{awk'{your code}”'为了忽略第一行标题中的字符。效果很好，但是我不得不添加sed 1d dna.txt | awk'{your code}'来忽略第一行标题中的字符。效果很好。虽然我现在不需要它，但我想知道您如何精确匹配“AAAA”如果没有查找AAAA的模式，您只需使用类似于

[^a]AAAA[^a]

的模式，然后重新编写代码以接受正则表达式搜索而不是字符串搜索。（

index（）

无法搜索正则表达式。）只是更新了它以跳过第一行，我没有意识到它是数据的一部分。工作得很好。虽然我现在不需要它，但我想知道，如果不找到AAAA的模式，您将如何精确匹配“AAAA”？您只需使用像

[^a]AAAA[^a]

这样的模式，然后重新编写代码以接受正则表达式搜索而不是字符串搜索。（

index（）

无法搜索正则表达式。）只是将其更新为跳过第一行，我没有意识到它是数据的一部分。