- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我已尝试解决以下问题:我有一个 .gff3 文件,我想将其基因 header 替换为简化名称。原始基因标题和新基因名称都在一个单独的文件中给出,原始名称在第 1 列,新名称在第 2 列。如何使用 sed(我认为 sed 最适合这里)来替换所有出现在 .gff3 文件的第二列中使用新的缩短名称?
示例行 .gff3 文件:
tulip_contig_65_pilon_pilon . contig 1 93354 . . . ID=tulip_contig_65_pilon_pilon;Name=tulip_contig_65_pilon_pilon
tulip_contig_65_pilon_pilon maker gene 19497 23038 . + . ID=maker-tulip_contig_65_pilon_pilon-augustus-gene-0.4;Name=maker-tulip_contig_65_pilon_pilon-augustus-gene-0.4
tulip_contig_65_pilon_pilon maker mRNA 19497 23038 . + . ID=maker-tulip_contig_65_pilon_pilon-augustus-gene-0.4-mRNA-1;Parent=maker-tulip_contig_65_pilon_pilon-augustus-gene-0.4;Name=maker-tulip_contig_65_pilon_pilon-augustus-gene-0.4-mRNA-1;_AED=0.00;_eAED=0.00;_QI=418|1|1|1|0|0|3|2100|206
示例行替换文件:
augustus_masked-tulip_contig_306_pilon_pilon-processed-gene-0.1 gene1
maker-tulip_contig_306_pilon_pilon-augustus-gene-0.12 gene2
maker-tulip_contig_65_pilon_pilon-augustus-gene-0.4 gene3
预期结果:
tulip_contig_65_pilon_pilon . contig 1 93354 . . . ID=tulip_contig_65_pilon_pilon;Name=tulip_contig_65_pilon_pilon
tulip_contig_65_pilon_pilon maker gene 19497 23038 . + . ID=gene3;Name=gene3
tulip_contig_65_pilon_pilon maker mRNA 19497 23038 . + . ID=gene3-mRNA-1;Parent=gene3;Name=gene3-mRNA-1;_AED=0.00;_eAED=0.00;_QI=418|1|1|1|0|0|3|2100|206
我试过用:
while read -r pattern replacement; do sed -i "s/$pattern/$replacement/" file.gff3 ; done < rename.txt
但根据下面的答案,我现在改用 AWK。我使用脚本(与 Ed Morton 给出的缩进完全相同,但在此处复制会稍微改变它):
NR==FNR {
map[$1] = $2
next
}
{
for (old in map) {
gsub(old,map[old])
}
}
要运行,我使用:
awk -f tst.awk rename.txt original.gff3 > new.gff3
但是,此脚本适用于部分正则表达式匹配,但它应该是完全匹配的。如何更改此 awk 脚本以使其完全匹配?
gff 文件长 7369803 行。 rename.txt 文件长 18477 行。
这里欢迎任何建议!
最佳答案
这会从 =
之后进行完整的字符串匹配到-gene=<number>
结尾在 .gff3 的每一行上,并且应该比我们之前所做的要快几个数量级,并且更健壮,因为它只替换 original.gff3 文件的每一行中实际找到的 1-3 个字符串,而不是尝试替换所有 18,000 个字符串+ rename.txt 文件中存在的字符串:
$ cat tst.awk
NR==FNR {
map[$1] = $2
next
}
{
head = ""
tail = $0
while ( match(tail,/((ID|Parent|Name)=)([^;]+-gene-[0-9]+\.[0-9]+)(.*)/,a) ) {
old = a[3]
head = head substr(tail,1,RSTART-1) a[1] (old in map ? map[old] : old)
tail = a[4]
}
print head tail
}
.
$ awk -f tst.awk rename.txt original.gff3
tulip_contig_65_pilon_pilon . contig 1 93354 . . . ID=tulip_contig_65_pilon_pilon;Name=tulip_contig_65_pilon_pilon
tulip_contig_65_pilon_pilon maker gene 19497 23038 . + . ID=gene3;Name=gene3
tulip_contig_65_pilon_pilon maker mRNA 19497 23038 . + . ID=gene3-mRNA-1;Parent=gene3;Name=gene3-mRNA-1;_AED=0.00;_eAED=0.00;_QI=418|1|1|1|0|0|3|2100|206
它使用 GNU awk 作为第三个参数来 match() - 我假设你有 GNU awk 可用(或可以安装它),因为你使用的是 GNU sed。
所以,match()
正在从 old
的当前行中隔离一个字符串(然后存储在 original.gff3
中) 可能在rename.txt
(存储在第一个 block 中的 map[]
中),然后是 old in map
正在测试该字符串是否真的在 rename.txt
中与否,如果是,替换old
具有来自 map[]
的相应新值.这一切都在 while
中。循环只要 match()
不断寻找新的字符串,这些字符串可以在当前行被替换。
因此,而不是下面的原始 awk 脚本(以及您问题中的 sed 脚本)为 rename.txt
中的 18,000 多行中的每一行循环一次, 以上仅对 original.gff3
的当前行中的每个字符串循环一次可能需要更换,根据您发布的示例输入,最多只能更换 3 次。
基于加快调用 sed 的 shell 循环的原始答案:
你需要这样的东西:
$ cat tst.awk
NR==FNR {
map[$1] = $2
next
}
{
for (old in map) {
gsub(old,map[old])
}
print
}
.
$ awk -f tst.awk repl.txt foo.gff3
tulip_contig_65_pilon_pilon . contig 1 93354 . . . ID=tulip_contig_65_pilon_pilon;Name=tulip_contig_65_pilon_pilon
tulip_contig_65_pilon_pilon maker gene 19497 23038 . + . ID=gene3;Name=gene3
tulip_contig_65_pilon_pilon maker mRNA 19497 23038 . + . ID=gene3-mRNA-1;Parent=gene3;Name=gene3-mRNA-1;_AED=0.00;_eAED=0.00;_QI=418|1|1|1|0|0|3|2100|206
关于字符串与正则表达式匹配以及完全与部分匹配的一些决定也适用于您的 shell+sed 循环,因此请考虑您的全部要求并提供示例输入/输出以进行测试,然后我们可以对其进行调整以适应这并不完全符合您的要求。现在它正在做部分正则表达式匹配,就像您问题中的 sed 命令一样。
关于unix - 将 file2 中第一列中的模式替换为 file1 中 file2 中第二列中的模式,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/62428959/
我需要将文本放在 中在一个 Div 中,在另一个 Div 中,在另一个 Div 中。所以这是它的样子: #document Change PIN
奇怪的事情发生了。 我有一个基本的 html 代码。 html,头部, body 。(因为我收到了一些反对票,这里是完整的代码) 这是我的CSS: html { backgroun
我正在尝试将 Assets 中的一组图像加载到 UICollectionview 中存在的 ImageView 中,但每当我运行应用程序时它都会显示错误。而且也没有显示图像。 我在ViewDidLoa
我需要根据带参数的 perl 脚本的输出更改一些环境变量。在 tcsh 中,我可以使用别名命令来评估 perl 脚本的输出。 tcsh: alias setsdk 'eval `/localhome/
我使用 Windows 身份验证创建了一个新的 Blazor(服务器端)应用程序,并使用 IIS Express 运行它。它将显示一条消息“Hello Domain\User!”来自右上方的以下 Ra
这是我的方法 void login(Event event);我想知道 Kotlin 中应该如何 最佳答案 在 Kotlin 中通配符运算符是 * 。它指示编译器它是未知的,但一旦知道,就不会有其他类
看下面的代码 for story in book if story.title.length < 140 - var story
我正在尝试用 C 语言学习字符串处理。我写了一个程序,它存储了一些音乐轨道,并帮助用户检查他/她想到的歌曲是否存在于存储的轨道中。这是通过要求用户输入一串字符来完成的。然后程序使用 strstr()
我正在学习 sscanf 并遇到如下格式字符串: sscanf("%[^:]:%[^*=]%*[*=]%n",a,b,&c); 我理解 %[^:] 部分意味着扫描直到遇到 ':' 并将其分配给 a。:
def char_check(x,y): if (str(x) in y or x.find(y) > -1) or (str(y) in x or y.find(x) > -1):
我有一种情况,我想将文本文件中的现有行包含到一个新 block 中。 line 1 line 2 line in block line 3 line 4 应该变成 line 1 line 2 line
我有一个新项目,我正在尝试设置 Django 调试工具栏。首先,我尝试了快速设置,它只涉及将 'debug_toolbar' 添加到我的已安装应用程序列表中。有了这个,当我转到我的根 URL 时,调试
在 Matlab 中,如果我有一个函数 f,例如签名是 f(a,b,c),我可以创建一个只有一个变量 b 的函数,它将使用固定的 a=a1 和 c=c1 调用 f: g = @(b) f(a1, b,
我不明白为什么 ForEach 中的元素之间有多余的垂直间距在 VStack 里面在 ScrollView 里面使用 GeometryReader 时渲染自定义水平分隔线。 Scrol
我想知道,是否有关于何时使用 session 和 cookie 的指南或最佳实践? 什么应该和什么不应该存储在其中?谢谢! 最佳答案 这些文档很好地了解了 session cookie 的安全问题以及
我在 scipy/numpy 中有一个 Nx3 矩阵,我想用它制作一个 3 维条形图,其中 X 轴和 Y 轴由矩阵的第一列和第二列的值、高度确定每个条形的 是矩阵中的第三列,条形的数量由 N 确定。
假设我用两种不同的方式初始化信号量 sem_init(&randomsem,0,1) sem_init(&randomsem,0,0) 现在, sem_wait(&randomsem) 在这两种情况下
我怀疑该值如何存储在“WORD”中,因为 PStr 包含实际输出。? 既然Pstr中存储的是小写到大写的字母,那么在printf中如何将其给出为“WORD”。有人可以吗?解释一下? #include
我有一个 3x3 数组: var my_array = [[0,1,2], [3,4,5], [6,7,8]]; 并想获得它的第一个 2
我意识到您可以使用如下方式轻松检查焦点: var hasFocus = true; $(window).blur(function(){ hasFocus = false; }); $(win
我是一名优秀的程序员,十分优秀!