使用两个文件时grep问题 – 我试过了一切

我有两个文件（重新编码和读取），它们是用nano命令构build和保存的，我想比较一下重新编码的内容，以读取和提取重叠的行。 我一直在试图用以前的逻辑创build一个when循环，但是目前为止还没有成功。 while使用grep / recode while ，输出数据与循环中指定的模式不匹配。 脚本应该读取recode.txt中的每一行，并将其与reads.fastq进行比较，在reads.txt之前提取每行匹配加一行和之后的两行，并将输出保存在不同的文件中（对于每行的所有组合匹配行recode.txt）。 这里是表和代码：

档案recode.txt ：

GTGTCTTA+ATCACGAC GTGTCTTA+ACAGTGGT GTGTCTTA+CAGATCCA GTGTCTTA+ACAAACGG GTGTCTTA+ACCCAGCA GTGTCTTA+AACCCCTC GTGTCTTA+CCCAACCT ATCACGAC+AAGGTTCA GTGTCTTA+GAAACCCA

文件reads.fastq ：

################################### @NB500931:113:HW53WBGX2:1:11101:11338:1049 1:N:0:ATCACGAC+AAGGTTCA GTAGTNCCAGCTGCAGAGCTGGAAGGATCGCTTGAGCGCAGAGGTAGAGGCTACAGTGAGCCGTGATCATGCCAT + AAAAA#EAAEEEEE6EAEAEEEEEEEEEEEEEEEAEEEEEE/EEEEEEEEEE/EEEEEEEEEEEEEEEAEEEEEA @NB500931:113:HW53WBGX2:1:11101:6116:1049 1:N:0:ACAAACGG+AAGGTTCA NNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNN + ################################### @NB500931:113:HW53WBGX2:1:11101:6885:1049 1:N:0:ACCCAGCA+ACTTAGCA GAGGGNGCTGTCCCAGTAATTGGGTTCAGATGACATTTGCTTGATTTTAGGGATGTACGAGATTTTCGTGGATC + AAA/A#EAEEEEEAEAEEA///EEAEEEEE///AEEAEE/AA//EAA<EEE/E//AEEEAAA//E/A<6//EEA @NB500931:113:HW53WBGX2:1:11101:8246:1049 1:N:0:ATCACGAC+AAGGTTCA CTTGTNAGACACGATGCAGAGAATTAGCTGTTTGATGCCTATCTTCCCAACTCAGAGGCAAGCTGCCCAAAGGC +

脚本：

Awk，tail，sed或其他 – 对于大文件哪个更快？

如何在文本文件的每一行的末尾添加一个制表符

使用awk来alignment文本文件中的列？

如何使用awk将文件的某个字段更改为大写？

Linux脚本：search关键字的特定列

#!/bin/bash #PBS -l nodes=1:ppn=8,walltime=96:00:00 while read line do echo "working on $line" grep -A3 "$line" reads.fastq | grep -v "^--$" >> "$line"_sorted.fastq done<recode.txt

所以，这两个文件都是UNIX格式，下面的脚本（没有循环）工作顺利

根据没有循环的脚本：

grep -A3 "ATCACGAC+AAGGTTCA" reads.fastq | grep -v "^--$" > sorted_file.fastq

我的输出应该是：

@NB500931:113:HW53WBGX2:1:11101:11338:1049 1:N:0:ATCACGAC+AAGGTTCA GTAGTNCCAGCTGCAGAGCTGGAAGGATCGCTTGAGCGCAGAGGTAGAGGCTACAGTGAGCCGTGATCATGCCAT + @NB500931:113:HW53WBGX2:1:11101:8246:1049 1:N:0:ATCACGAC+AAGGTTCA CTTGTNAGACACGATGCAGAGAATTAGCTGTTTGATGCCTATCTTCCCAACTCAGAGGCAAGCTGCCCAAAGGC +

但是，我的输出使用循环， while给我一个空的文件，正确的名称。 你能帮我么？

更新：我已经尝试了dos2unix转换我的文件，并没有工作。 更新：我编辑的问题，包括我的预期输出

如何获得bashvariables在awkpipe道上工作

如何比较bash中的两个范围列表？

如何使用awk来testing列值是否在另一个文件中？

如果文件1中的列A等于文件2中的列B，则打印行

用awkreplaceUNIX列

没有看到预期的输出这是一个猜测，但它听起来像这是你想要做的：

$ awk -F: 'NR==FNR{a[$0];next} $NF in a{c=3} c&&c--' recode.txt reads.fastq @NB500931:113:HW53WBGX2:1:11101:8246:1049 1:N:0:ATCACGAC+AAGGTTCA CTTGTNAGACACGATGCAGAGAATTAGCTGTTTGATGCCTATCTTCCCAACTCAGAGGCAAGCTGCCCAAAGGC +

不需要shell循环（查看为什么要使用shell循环处理文本被认为是不好的练习 ），只需要将recode.txt中的值保存为数组索引然后在读取reads.fastq时，如果最后一个：-separated字段是数组的索引（即存在于recode.txt中），则将计数器设置为3，然后在计数器大于零时打印每一行，然后递减计数器每一次（参见从匹配开始的打印文本的其他示例，参见使用sed-awk-a-line-following-a-matching-pattern ）。

要将每个找到的记录保存在一个文件中，这个文件是基于最终字段中的字符串名称，因为看起来您可能正在尝试在shell循环中执行下列操作：

awk -F: ' NR==FNR { a[$0]; next } $NF in a { c=3; close(out); out=$NF"_sorted.fastq" } c&&c-- { print >> out } ' recode.txt reads.fastq

请注意，只读取“reads.fastq”一次，而不是每行“recode.txt”的一行，因为您的shell循环正在执行，所以您可以从这一方面期望获得巨大的性能提升。

最后 – 如果recode.txt只是reads.fastq中存在的所有最终字段的列表，那么您根本就不需要它，这就是您需要将reads.fastq拆分为每个记录命名为3行的单独文件基于最后的值:以@开头的每行：

awk -F: ' /^@/ { c=3; close(out); out=$NF"_sorted.fastq" } c&&c-- { print >> out } ' reads.fastq