awk打印行匹配准则

Question

我试图打印出$1是intronic|UTR3|UTR5的所有行，$2与特定的模式[^*+-]+[*+-]匹配。我认为下面的awk是接近的，但我的current output是1的一列。我可以移除这些线条，但似乎没有打印出来。输入文件被标签删除。谢谢:)。

强文本

Func.refGene    Mutation Call   Mutant Allele Frequency
1   intronic    c.[434-90G>C]+[=]   52.93
1   intronic    c.[433+79A>G]+[433+79A>G]   100
1   intronic    c.[1017+56G>A]+[1017+56G>A] 100
1   exonic  c.[1119G>A]+[=] 100
5   UTR3    c.[*68A>G]+[=]  51.46

awk

awk -F'\t' '
$1 ~ "^(intronic|UTR3|UTR5)$" {
v=$2
sub(/^[^*+-]+[*+-]/,"",v)
if(v + 0 > 10)
  print sub(/^[^*+-]+[*+-]/,"",v)
}1' file

电流输出

1
1
1
1
1

期望输出

1   intronic    c.[434-90G>C]+[=]   52.93
1   intronic    c.[433+79A>G]+[433+79A>G]   100
1   intronic    c.[1017+56G>A]+[1017+56G>A] 100
5   UTR3    c.[*68A>G]+[=] 51.46

Answer 1

我假设你正在寻找类似于以下内容的东西。如果你的匹配需要调整，建议修正。我用GNU Awk尝试了下面的方法。将以下文件存储到script.awk中。

#!/usr/bin/gawk -f

BEGIN {
   FS="[ \t]+";
}

{
   if ($2 ~ /^(intronic|UTR3|UTR5)$/ ) {
      print "Matched Mutation Call:" $2;

      if ($3 ~ /^[^*+-]+[*+-]/) {
         print "Matched Mutant Allele :" $3;

         if ($4 > 10) {
             print "Matched Freq:" $4;
             print "Matched Record:" $0;
         }

      }

   }
   print "END OF RECORD\n";
}

你把它运行为：

cat data | ./script.awk

如果您有更多的搜索/编程需求，那么学习perl也是无害的。

#!/usr/bin/perl -w
use strict;

while (my $line=<>) {
   print "\nBEGIN OF RECORD\n";

   chomp($line);
   my @F=split(/\s+/,$line);

   if ($F[1]=~/^(intronic|UTR3|UTR5)$/) {
      print "Matched Mutation Call:".$F[1]."\n";

      if ($F[2]=~/^[^*+-]+[*+-]/) {
         print "Matched Mutant Allele :".$F[2]."\n";

         if ($F[3] > 10) {
             print "Matched Freq:".$F[3]."\n";
             print "Matched Record:".$line."\n";
         }
      }
   }
   print "END OF RECORD\n";
}

你可以把它当作：

cat data | ./script.pl

Answer 2

我试图打印$1是内含子UTR3的所有行UTR5

在您的示例输入中，没有哪一行$1是内含子式的\UTR3\UTR5。在所有行中，$1要么是1，要么是5或者是"Func.refGene“。

$2匹配某个模式^_+-+_+-。

在您的示例输入中，没有$2匹配此模式的行。在所有行中，$2是“突变呼叫”、“内含子”、“外显子”或"UTR3“。

但是，有些行$2是intronic|UTR3|UTR5，$3与[^*+-]+[*+-]匹配。如果这是你想要的，你需要：

awk -F'\t' '$2 ~ "^(intronic|UTR3|UTR5)$" && $3 ~ "[^*+-]+[*+-]"' file

这将产生您想要的输出。

但是，您确定您明白[^*+-]+[*+-]模式是什么意思吗？它的意思是:除[*+-]以外的任何字符中的一个或更多，然后是[*+-]。这意味着与[^*+-][*+-]相同。很可能，你指的是其他模式。

最后，您的程序几乎与您想要的内容无关。要么你想要完全不同的东西，要么你的程序毫无意义。

Answer 3

Awk字段号(以及字符串和数组索引)从1开始，而不是0：

$ awk '($2~/^(intronic|UTR[35])$/) && ($3~/^[^*+-]+[*+-]/) && ($4>10)' file
1   intronic    c.[434-90G>C]+[=]   52.93
1   intronic    c.[433+79A>G]+[433+79A>G]   100
1   intronic    c.[1017+56G>A]+[1017+56G>A] 100
5   UTR3    c.[*68A>G]+[=]  51.46

但是，示例输入中的每个$3都包含一个[*+-]字符，其前面的字符是[^*+-]，所以无论是regexp是错误的，还是您的输入没有涵盖它打算从输出中排除的情况。因为-它什么都没做。