linux - Bash 脚本 Unix。模式匹配

Question

如何在没有空格的情况下在一行中编写多个字符串的脚本:

acgtttgggcccagctctccgccctcacacacaccccggggt

用于视觉目的:

acg ttt ggg ccc agc tct ccg ccc tca cac aca ccc cgg ggt

并且必须匹配重复 2 次的第 4 个 3 字母序列。所以在上面的序列中，我们将 ccc 作为第四个序列。并且在agc tct ccg之后再次重复。

那么我必须使用 grep 吗？

Answer 1

那么怎么样:

#!/bin/bash

# add a space every three letters
str="acgtttgggcccagctctccgccctcacacacaccccggggt"
result=$(sed -e 's/\(...\)/\1 /g' <<< "$str")
echo $result

# check if the 4th sequence is repeated two times
awk '
{   ref = $4;                       # set the 4th sequence as a reference
    for (i=5; i<=NF; i++)           # iterate from 5th sequence to the end
        if (ref == $i) count++      # count the same one as the reference
    printf "4th sequence \"%s\" repeated %d times.\n", ref, count
}' <<< "$result"

产生:

acg ttt ggg ccc agc tct ccg ccc tca cac aca ccc cgg ggt
4th sequence "ccc" repeated 2 times.  

该脚本由两部分组成:第一个部分用于用空格分割字符串，第二个部分用于计算第四个三元组的重复次数。

• sed 脚本 sed -e 's/\(...\)/\1/g' 在每三个字母后插入一个空格。
• awk 脚本循环遍历与第四个三元组相同的序列。
• 如果您只是想确保重复次数恰好是两次，您可以修改脚本以将count 与2 进行比较。

希望这有帮助。