使用Perl在多行中查找特定文本

我试图在一个几千行的文件中找到所有出现的一串字母。然后我要数一数每一根弦。下面的示例文件仅包含两行，但该文件中的所有文本都是相同的结构（其中

表示新行，字母字符串是搜索的位置。到目前为止，我将整个文件作为输出返回，而不仅仅是我要查找的字符串。谢谢：）

文件

>hg19_refGene_NM_000016范围=chr1:76190032-76229363 5'pad=0 3'pad=0链=+repeatMasking=无
GGGTTCGGGCGATGCTGCAGGGTGAGGGAGCCAGCGTGCGGTGGGG

g{4}的所需输出

gggg

g{3}的所需输出

GGG
GGG
ggg
ggg

我试过了 （在

{…}

之间的

4

是要搜索的

qw（G）

中的多少个）

编辑

>hg19_refGene_NM_000016 range=chr1:76190032-76229363 5'pad=0 3'pad=0 strand=+ repeatMasking=none
GGGTTCGGGCGATGCTGCAGGgtgagagggagcccagcggtgcggtgggg
>hg19_refGene_NM_001282675 range=chr11:35453376-35551848 5'pad=0 3'pad=0 strand=- repeatMasking=none
TTCATTAGGGCTGGAGACTTCCATGAAGGGGCCAGTTACAGCAGGCTCCA

  perl -076 -nE 'chomp; s/(.+)// && say qq{>$1}; s/\s//g; say $1 while /(g{3})/gi' 4G.txt

 >hg19_refGene_NM_000016 range=chr1:76190032-76229363 5'pad=0 3'pad=0 strand=+ repeatMasking=none
GGG
GGG
GGg
ggg
ggg
>hg19_refGene_NM_001282675 range=chr11:35453376-35551848 5'pad=0 3'pad=0 strand=- repeatMasking=none
GGG
GGG

多输出（搜索所在的行和输出）

我得到多个输出

>hg19_refGene_NM_000016 range=chr1:76190032-76229363 5'pad=0 3'pad=0 strand=+ repeatMasking=none
GGGTTCGGGCGATGCTGCAGGgtgagagggagcccagcggtgcggtgggg
>hg19_refGene_NM_001282675 range=chr11:35453376-35551848 5'pad=0 3'pad=0 strand=- repeatMasking=none
TTCATTAGGGCTGGAGACTTCCATGAAGGGGCCAGTTACAGCAGGCTCCA

  perl -076 -nE 'chomp; s/(.+)// && say qq{>$1}; s/\s//g; say $1 while /(g{3})/gi' 4G.txt

 >hg19_refGene_NM_000016 range=chr1:76190032-76229363 5'pad=0 3'pad=0 strand=+ repeatMasking=none
GGG
GGG
GGg
ggg
ggg
>hg19_refGene_NM_001282675 range=chr11:35453376-35551848 5'pad=0 3'pad=0 strand=- repeatMasking=none
GGG
GGG

---

表面上看，这很简单。这一行产生的东西就像你说的你想要的

perl -nE'/^>/ or say $1 while /(g{3})/ig' test.txt

输出

GGG
GGG
GGg
ggg
ggg

但是，正如我在评论中所说的，现在还不清楚

GGg

是否算数，你也不知道当文件中有多个序列时会发生什么

---

更新 这将解决修改后的问题

perl -nE'/^>/ and print or do { say $1 while /(g{3})/ig}' test.txt

输出

>hg19_refGene_NM_000016范围=chr1:76190032-76229363 5'pad=0 3'pad=0链=+repeatMasking=无
GGG
GGG
GGg
ggg
ggg
>hg19_refGene_NM_001282675范围=chr11:35453376-35551848 5'pad=0 3'pad=0链=-重复屏蔽=无
GGG
GGG

---

更新2 这将修复包裹线端点的子序列。这和我想要的单线解决方案一样复杂

perl -076 -nE 'chomp; s/(.+)// && say qq{>$1}; s/\s//g; say $1 while /(g{3})/gi' test.txt

输出

>hg19_refGene_NM_000016范围=chr1:76190032-76229363 5'pad=0 3'pad=0链=+repeatMasking=无
GGG
GGG
GGg
ggg
ggg
>hg19_refGene_NM_001282675范围=chr11:35453376-35551848 5'pad=0 3'pad=0链=-重复屏蔽=无
GGG
GGG

如果您单独使用一个

perl

进程（没有

cat

），您可以使用“嵌套

while

”语句从数据文件“

while（）

”中读取一行，该文件已打开，还有行要读取，然后

打印该行的匹配元素“
while（）
”有一些东西与之匹配：

 perl -e 'use English; 
          while(<>) { print "$MATCH\n" while $_ =~ /g{3}/ig }'
          sequence.txt

perl-e'使用英语；
while（）{print“$MATCH\n”while${=~/g{3}/ig}'
sequence.txt

（
$MATCH
是
$&
。我添加了
使用英语
进行说明；-）…）


编辑：

<嵌套<代码> WHORY（/>）/Case>方法正是@鲍罗丁的答案，因为它使用了<代码> -n>代码>开关，它告诉我们，在代码< >代码> >代码> >（）{} /代码>。< /P>中有一个<代码> GGG在您的示例序列中。这不算数吗？当文件中有多个序列时，您想要什么输出？我添加了对多行的编辑，甚至没有看到GGg，但是是的，您是正确的，它确实有效。电脑犯的错误比我少：）。。。谢谢：）。编辑多个条目有帮助吗？谢谢：）。好的，我已经修好了。（除了第二项中只有两个
ggg
子序列，而不是您所说的三个子序列）另一个问题是，如果子序列在文件中被拆分为多行，是否需要对其进行计数？目前，如果文件包含类似于
“xxxgg\ngxxxx\n”这样的行，则无法找到
ggg
，
我已经发布了从命令获得的输出，并且在计数中使用了yes子序列，如您所示。谢谢：）。@Chris：对不起，我忘了转换成Linux命令行语法。我已经更新了
使用英语
在一行中有点疯狂！：-D同意。。。把它放在那里，以防1美元不清楚。。。我没有看到使用
$1
。。。我经常使用shell中的perl命令，在使用
-E
或
-n
时，这些命令实际上与“一行程序”不同。我必须说我不知道我为什么要那样做。。。TIMTOWDI可能：-你知道
$MATCH
和
$和
是一样的，对吗？这可不是一块钱！修复了它，但我想
$&
不是perls<5.20的最佳方式