匹配所有字母前的数字运算--大工程~

yestreenstars

回复 18# huang6894
还有我14楼问的问题呢~

   

Herowinter

压力好大，表示看懂需求要一段时间，
今天上班比较忙，只能拜读各位的代码了。

huang6894

回复 19# yestreenstars


    已修正~是4S的！对不起呀，测试数据没弄好~

yestreenstars

先发第一种结果，多个S的处理看得不是很明白：

1. [root@localhost ~]# cat i
   
2. FCD2FEHACXX:8:2301:1875:46038#79_118    99      chr1    112365  0       16M1D70M2S      =       112469  192     CTTCTCCAACCAAATTAGGAACAATTATATGGCCACATAGTATCGAATCAAGTTTATAATTTTAAAATAATTGGGAGATTTTGTTGTT        ?A@@@A@@@A@@AA@ABA@AAAA@A?@@@A$AA@AA@@?A@?@A>@A@AAAA=AA?A@AAAAAAAAA@?A@ABBB@C=@AAAC@AB?A
   
3. FCD2FEHACXX:8:1104:6915:94857#79_118    147     chr1    73823   37      4S84M   =       73710   -201    AGCTGTAGAGAGAGGCACCCTTTTTTTTTTTTTTAATTATACTTTAAGTTTTAGGGTACATGTGCACCTTGTGCAGGTTAGTTACATA        ??A?>=<879<>=6/2=AA@AAAAAAAAAAAA?A@A?@@?BAA?BAAAAA?A@@A?@A@@B@AA?ABAAA@BB@@AA@AAA@?@??>@
   
4. FCD2FEHACXX:8:2307:11230:38678#79_118   14      chr1    37911759        29      44M4I13M4D8M1I13M5S     =       37911601        -240    CCCTCTGCCTCTCCTTCTCTTTACCTCCCTCCCTCTTTCCCTCTTTCCCTCTCTCTCTCCCTCCCTCTCTTCCTCTCTCTCTCCCTCT        ABA??<@AA?C@A=??CABA@<1AA=AAA>BABAA@?@BBCAC@@=A@A@?=?@A@B=AAA=@AB@C@AA@AB@A?A@A@A@A@@>AA
   
5. [root@localhost ~]# awk '{s=0;n=gensub(/.*(^|[^0-9])([0-9]*)S.*/,"\\2",$6);gsub(/[0-9]*D|[0-9]*S.*/,"",$6);split($6,a,"[MI]");for(i in a)s+=a[i];N=$9>0?1:2;print $1"_"N"\n"substr($10,s+1,n)"\n+\n"substr($11,s+1,n)"\n"}' i
   
6. FCD2FEHACXX:8:2301:1875:46038#79_118_1
   
7. TT
   
8. +
   
9. ?A
   
10. 
    
11. FCD2FEHACXX:8:1104:6915:94857#79_118_2
    
12. AGCT
    
13. +
    
14. ??A?
    
15. 
    
16. FCD2FEHACXX:8:2307:11230:38678#79_118_2
    
17. CCTCT
    
18. +
    
19. @@>AA
    
20. 
    
21. [root@localhost ~]#

复制代码

yestreenstars

关于你说的特殊情况（有多个S的）能否给个案例？

huang6894

回复 22# yestreenstars


    大大，有个问题~你的脚本处理测试数据是通过的~可是不知道为什么，和测试数据一样的实际文本却不能处理呢？

方便的话，帮我看看我的数据可以么?谢谢你了！！！
use.zip (148.74 KB, 下载次数: 14)

2013-11-15 14:32 上传

点击文件名下载附件

1. awk '{s=0;n=gensub(/.*(^|[^0-9])([0-9]*)S.*/,"\\2",$6);gsub(/[0-9]*D|[0-9]*S.*/,"",$6);split($6,a,"[MI]");for(i in a)s+=a[i];N=$9>0?1:2;print $1"_"N"\n"substr($10,s+1,n)"\n+\n"substr($11,s+1,n)"\n"}' c.txt
   
2. FCD2FEHACXX:8:2301:1875:46038#79_118_1
   
3. TT
   
4. +
   
5. ?A
   
6. 
   
7. FCD2FEHACXX:8:1104:6915:94857#79_118_2
   
8. AG
   
9. +
   
10. ??
    
11. 
    
12. FCD2FEHACXX:8:2307:11230:38678#79_118_2
    
13. CCTCT
    
14. +
    
15. @@>AA
    
16. 
    
17. awk '{s=0;n=gensub(/.*(^|[^0-9])([0-9]*)S.*/,"\\2",$6);gsub(/[0-9]*D|[0-9]*S.*/,"",$6);split($6,a,"[MI]");for(i in a)s+=a[i];N=$9>0?1:2;print $1"_"N"\n"substr($10,s+1,n)"\n+\n"substr($11,s+1,n)"\n"}' use.txt |le
    
18. FCD2FEHACXX:8:1203:10339:145301#79_118_2
    
19. 
    
20. +
    
21. 
    
22. 
    
23. FCD2FEHACXX:8:1202:16979:45106#79_118_2
    
24. 
    
25. +
    
26. 
    
27. 
    
28. FCD2FEHACXX:8:1205:12796:100011#79_118_1
    
29. 
    
30. +
    
31. 
    
32. 
    
33. FCD2FEHACXX:8:1201:19531:81831#79_118_2
    
34. 
    
35. +
    
36. 
    
37. 
    
38. 
    

复制代码

huang6894

回复 23# yestreenstars


    比如：

1. FCD2FEHACXX:8:1303:20504:42704#79_118   99      chr1    15317774        29      20S33M35S  =       15317807        119     CCGAGAGGCGGAGGTTGCAGTGAGCCTAGGTCGCACCACTGCACTCCAGCCTGGTGACAAAGAGAGACTCTGTGTCAAAAAAAAGAAG        ?@<AA@BAA>A@AA>@AA@B?A@AA@@ABA?B>C@CA@CACC@BACA@CCAACB<AAC?AABABAA@CACAC?C?@@AAAAAAAC@AC        BD:Z:LLLLMMMMLLLLMMLLLLLMLMLMLLLLLMLLLLLLLMLLMLLLLLMMMLLLMMLMLLLLGLMMMMMLLLLMMMMLLLGGGGGGLMLL   MD:Z:11G17A3    PG:Z:MarkDuplicates.4   RG:Z:FAMILY_all XG:i:0  BI:Z:OOOOOOOOOOOOOONOOOOOOOOOOOOOOONOOOOOOOOOOOOOONOOOOOOOONOOOOONNOOOOOOONOOOOOOOONNNNNNNOON   AM:i:29 NM:i:2  SM:i:29 XM:i:2  XO:i:0  MQ:i:29 XT:A:M

复制代码

这样的
希望可以输出：

1. 
   
2. FCD2FEHACXX:8:1303:20504:42704#79_118_1
   
3. CCGAGAGGCGGAGGTTGCAG
   
4. +
   
5. ?@<AA@BAA>A@AA>@AA@B
   
6. 
   
7. FCD2FEHACXX:8:1303:20504:42704#79_118_1
   
8. GTGACAAAGAGAGACTCTGTGTCAAAAAAAAGAAG
   
9. +
   
10. B<AAC?AABABAA@CACAC?C?@@AAAAAAAC@AC
    

复制代码

yestreenstars

1. awk '{s=0;t=$6;N=$9>0?1:2;gsub(/[0-9]*[DIM]/,"",t);l=split(t,a,"S");if(l>2){print $1"_"N"\n"substr($10,1,a[1])"\n+\n"substr($11,1,a[1])"\n\n"$1"_"N"\n"substr($10,length($10)-a[2]+1)"\n+\n"substr($11,length($11)-a[2]+1)}else{gsub(/[0-9]*D|[0-9]*S.*/,"",$6);split($6,b,"[MI]");for(i in b)s+=b[i];print $1"_"N"\n"substr($10,s+1,a[1])"\n+\n"substr($11,s+1,a[1])"\n"}}'

复制代码

不知道有没有bug，试一下吧~

huang6894

回复 26# yestreenstars


    星辰大大真是神一样的存在呀！！！！
    大大，我还想问一下，如果我不想处理那些匹配出来的第10、11列字符数小于10个的，如果小于10个不输出这一行，怎么改？？

yestreenstars

你的第二种结果文件如果有2个S的又怎么处理？