Fatal编程技术网
  • string/
  • String 更改大文件列的字符

String 更改大文件列的字符

string shell sed awk

String 更改大文件列的字符,string,shell,sed,awk,String,Shell,Sed,Awk,我必须用另一个文件的对应列替换大文件中每一行（备用）的单个第n个字符。例如，我每五个字符就换一次 文件1： >chr1:101842566-101842576 CCTCAACTCA >chr1:101937281-101937291 GAATTGGATA >chr1:101964276-101964286 AAAAAATAGG >chr1:101972950-101972960 ggctctcatg >chr1:101999969-1019999

我必须用另一个文件的对应列替换大文件中每一行（备用）的单个第n个字符。例如，我每五个字符就换一次

文件1：

 >chr1:101842566-101842576
  CCTCAACTCA
 >chr1:101937281-101937291
 GAATTGGATA
 >chr1:101964276-101964286
 AAAAAATAGG
 >chr1:101972950-101972960
 ggctctcatg
 >chr1:101999969-101999979
 CATCATGACG
文件2：

 G
 A
 T
 A
 C
输出：

 >chr1:101842566-101842576
 CCTCGACTCA
 >chr1:101937281-101937291
 GAATAGGATA
 >chr1:101964276-101964286
 AAAATATAGG
 >chr1:101972950-101972960
 ggctAtcatg
 >chr1:101999969-101999979
 CATCCTGACG
每个（备用）行中的字符数可能很大。而且行数也很大。如何有效地实现这一点？

以下是使用awk的一种方法：

awk 'NR==FNR{a[NR]=$1;next}!/^>/{$1=substr($1,1,n-1) a[++i] substr($1,n+1)}1' n=5 f2 f1
说明：

  • 我们迭代第二个文件，并将其存储在一个按行号索引的数组中
  • 一旦将第二个文件加载到内存中，我们将移动到第二个文件
  • 我们查找不以
    开头的行
  • 找到后，我们替换数组中的值。我们通过使用
    substr
    函数来实现这一点
  • 定义的变量
    n
    允许您修改第n个字符
  • 对于没有
    的行，我们使用默认的
    1
    按原样打印它们 印刷
  • 此解决方案假定文件的格式如上所示。也就是说，第一个文件总是以
    开头，然后是要进行更改的行。第二个文件的替换将按照其显示的顺序进行
演示：

每五个字符：

$ awk 'NR==FNR{a[NR]=$1;next}!/^>/{$1=substr($1,1,n-1) a[++i] substr($1,n+1)}1' n=5 f2 f1
>chr1:101842566-101842576
CCTCGACTCA
>chr1:101937281-101937291
GAATAGGATA
>chr1:101964276-101964286
AAAATATAGG
>chr1:101972950-101972960
ggctAtcatg
>chr1:101999969-101999979
CATCCTGACG

$ awk 'NR==FNR{a[NR]=$1;next}!/^>/{$1=substr($1,1,n-1) a[++i] substr($1,n+1)}1' n=3 f2 f1
>chr1:101842566-101842576
CCGCAACTCA
>chr1:101937281-101937291
GAATTGGATA
>chr1:101964276-101964286
AATAAATAGG
>chr1:101972950-101972960
ggAtctcatg
>chr1:101999969-101999979
CACCATGACG
每三个字符：

$ awk 'NR==FNR{a[NR]=$1;next}!/^>/{$1=substr($1,1,n-1) a[++i] substr($1,n+1)}1' n=5 f2 f1
>chr1:101842566-101842576
CCTCGACTCA
>chr1:101937281-101937291
GAATAGGATA
>chr1:101964276-101964286
AAAATATAGG
>chr1:101972950-101972960
ggctAtcatg
>chr1:101999969-101999979
CATCCTGACG

$ awk 'NR==FNR{a[NR]=$1;next}!/^>/{$1=substr($1,1,n-1) a[++i] substr($1,n+1)}1' n=3 f2 f1
>chr1:101842566-101842576
CCGCAACTCA
>chr1:101937281-101937291
GAATTGGATA
>chr1:101964276-101964286
AATAAATAGG
>chr1:101972950-101972960
ggAtctcatg
>chr1:101999969-101999979
CACCATGACG
以下是使用awk的一种方法：

awk 'NR==FNR{a[NR]=$1;next}!/^>/{$1=substr($1,1,n-1) a[++i] substr($1,n+1)}1' n=5 f2 f1
说明：

  • 我们迭代第二个文件，并将其存储在一个按行号索引的数组中
  • 一旦将第二个文件加载到内存中，我们将移动到第二个文件
  • 我们查找不以
    开头的行
  • 找到后，我们替换数组中的值。我们通过使用
    substr
    函数来实现这一点
  • 定义的变量
    n
    允许您修改第n个字符
  • 对于没有
    的行，我们使用默认的
    1
    按原样打印它们 印刷
  • 此解决方案假定文件的格式如上所示。也就是说，第一个文件总是以
    开头，然后是要进行更改的行。第二个文件的替换将按照其显示的顺序进行
演示：

每五个字符：

$ awk 'NR==FNR{a[NR]=$1;next}!/^>/{$1=substr($1,1,n-1) a[++i] substr($1,n+1)}1' n=5 f2 f1
>chr1:101842566-101842576
CCTCGACTCA
>chr1:101937281-101937291
GAATAGGATA
>chr1:101964276-101964286
AAAATATAGG
>chr1:101972950-101972960
ggctAtcatg
>chr1:101999969-101999979
CATCCTGACG

$ awk 'NR==FNR{a[NR]=$1;next}!/^>/{$1=substr($1,1,n-1) a[++i] substr($1,n+1)}1' n=3 f2 f1
>chr1:101842566-101842576
CCGCAACTCA
>chr1:101937281-101937291
GAATTGGATA
>chr1:101964276-101964286
AATAAATAGG
>chr1:101972950-101972960
ggAtctcatg
>chr1:101999969-101999979
CACCATGACG
每三个字符：

$ awk 'NR==FNR{a[NR]=$1;next}!/^>/{$1=substr($1,1,n-1) a[++i] substr($1,n+1)}1' n=5 f2 f1
>chr1:101842566-101842576
CCTCGACTCA
>chr1:101937281-101937291
GAATAGGATA
>chr1:101964276-101964286
AAAATATAGG
>chr1:101972950-101972960
ggctAtcatg
>chr1:101999969-101999979
CATCCTGACG

$ awk 'NR==FNR{a[NR]=$1;next}!/^>/{$1=substr($1,1,n-1) a[++i] substr($1,n+1)}1' n=3 f2 f1
>chr1:101842566-101842576
CCGCAACTCA
>chr1:101937281-101937291
GAATTGGATA
>chr1:101964276-101964286
AATAAATAGG
>chr1:101972950-101972960
ggAtctcatg
>chr1:101999969-101999979
CACCATGACG
这就是我将如何使用perl。首先将所有文件2读取到一个数组中，然后迭代该数组，从文件1中读取两行和两行，未经修改地打印第一行，然后更改第二行的第5个字符：

#!/usr/bin/perl
use strict;
use warnings;
use diagnostics;
#use Data::Printer;

# Read all of file2

my $lines;

open(FILE, $ARGV[1]);
{
    local $/;
    $lines = <FILE>;
}
close(FILE);

my @new_chars = split(/\n/, $lines);

# Read and process file1

open(FILE, $ARGV[0]);

foreach my $new_char (@new_chars) {
    # >chr1:101842566-101842576
    my $line = <FILE>;
    print $line;
    #  CCTCAACTCA
    $line = <FILE>;
    $line =~ s/^(....)./$1$new_char/; # Replace 5th character
    print $line;
}

close(FILE);

#/usr/bin/perl
严格使用；
使用警告；
使用诊断；
#使用数据打印机；
#读取所有文件2
我的$line；
打开（文件$ARGV[1]）；
{
本地$/；
$lines=；
}
关闭（文件）；
my@new_chars=拆分（/\n/，$line）；
#读取并处理文件1
打开（文件$ARGV[0]）；
foreach我的$new\u char（@new\u chars）{
#>chr1:101842566-101842576
我的$line=；
打印$行；
#CCTCAACTCA
$line=；
$line=~s/^（..）/$1$new_char/#替换第5个字符
打印$行；
}
关闭（文件）；
这就是我将如何使用perl。首先将所有文件2读取到一个数组中，然后迭代该数组，从文件1中读取两行和两行，未经修改地打印第一行，然后更改第二行的第5个字符：

#!/usr/bin/perl
use strict;
use warnings;
use diagnostics;
#use Data::Printer;

# Read all of file2

my $lines;

open(FILE, $ARGV[1]);
{
    local $/;
    $lines = <FILE>;
}
close(FILE);

my @new_chars = split(/\n/, $lines);

# Read and process file1

open(FILE, $ARGV[0]);

foreach my $new_char (@new_chars) {
    # >chr1:101842566-101842576
    my $line = <FILE>;
    print $line;
    #  CCTCAACTCA
    $line = <FILE>;
    $line =~ s/^(....)./$1$new_char/; # Replace 5th character
    print $line;
}

close(FILE);

#/usr/bin/perl
严格使用；
使用警告；
使用诊断；
#使用数据打印机；
#读取所有文件2
我的$line；
打开（文件$ARGV[1]）；
{
本地$/；
$lines=；
}
关闭（文件）；
my@new_chars=拆分（/\n/，$line）；
#读取并处理文件1
打开（文件$ARGV[0]）；
foreach我的$new\u char（@new\u chars）{
#>chr1:101842566-101842576
我的$line=；
打印$行；
#CCTCAACTCA
$line=；
$line=~s/^（..）/$1$new_char/#替换第5个字符
打印$行；
}
关闭（文件）；
您可以使用Python中的
mmap
替换文件中的列：

#/usr/bin/env蟒蛇3
“”“替换大文件中的一列。
用法：
$/替换就地文件1文件2 5
"""
导入系统
从mmap导入访问\u写入，mmap
def main（）：
ncolumn=int（sys.argv[3]）-1#第1列是1
打开（sys.argv[1]，'r+b'）作为文件1：
使用mmap（file1.fileno（），0，access=access\u WRITE）作为mm：
打开（sys.argv[2]，“rb”）作为文件2：
尽管如此：
mm.readline（）#每隔一行忽略一行
pos=mm.tell（）#记住当前位置
如果不是mm.readline（）：#EOF
打破
替换=文件2.readline（）.strip（）[0]
mm[pos+N柱]=更换#更换柱
main（）
它假设您正在用字节替换一个字节，即文件中没有移动任何内容。

您可以使用Python中的
mmap
替换文件中的列：

#/usr/bin/env蟒蛇3
“”“替换大文件中的一列。
用法：
$/替换就地文件1文件2 5
"""
导入系统
从mmap导入访问\u写入，mmap
def main（）：
ncolumn=int（sys.argv[3]）-1#第1列是1
打开（sys.argv[1]，'r+b'）作为文件1：
使用mmap（file1.fileno（），0，access=access\u WRITE）作为mm：
打开（sys.argv[2]，“rb”）作为文件2：
尽管如此：
mm.readline（）#每隔一行忽略一行
pos=mm.tell（）#记住当前位置
如果不是mm.readline（）：#EOF
打破
替换=文件2.readline（）.strip（）[0]
mm[pos+N柱]=更换#更换柱
main（）
它假定您正在用字节替换一个字节，即文件中没有移动任何内容。

这可能适用于您（GNU-sed、paste和cat）：

将文件2中的数据嵌入文件1，然后重新排列。

这可能适合您（GNU-sed、paste和cat）：

从文件中嵌入数据