匹配所有字母前的数字运算--大工程~

damcool

楼主对要求的解释是在看不懂。

huang6894

回复 29# 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

我希望得到：
20S33M35S：15317774+0=15317774；
20M33M35S：15317774+53=15317827；

1. 
   
2. @FCD2FEHACXX:8:1303:20504:42704#79_118 _1   20S33M35S  15317774
   
3. @FCD2FEHACXX:8:1303:20504:42704#79_118 _1   20S33M35S  15317827

复制代码

yestreenstars

第二题：

1. awk '{N=$9>0?1:2;s=0;t=$6;gsub(/[0-9]*[^S0-9]/,"",t);l=split(t,a,"S");if(l<3){t=$6;gsub(/[0-9]*(I|S.*)/,"",t);split(t,b,"[DM]");for(i in b)s+=b[i];print $1"_"N,$6,$4+s}else{print $1"_"N,$6,$4;t=$6;gsub(/[0-9]*(I|S$)/,"",t);split(t,b,"[DMS]");for(i in b)s+=b[i];print $1"_"N,$6,$4+s}}'

复制代码

huang6894

回复 32# yestreenstars


    大哥大哥！ 还是那个问题：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，怎么改呀？？
   
   谢谢大大~
   ====================
   深深的挫败感啊~我600多行的perl~

yestreenstars

回复 33# huang6894
第二题没有用到第10、11列吧？如果你问的是第一题，请看28楼~

   

huang6894

回复 34# yestreenstars


    嗯嗯，大大，是这样的，我就是说因为第一题运算的结果是用于匹配第10、11列嘛~然后我就想这个数如果小于10的话，我就不要这一行了~就是S前面的数字运算结果必须大于10，比较麻烦的是这一次忽略I，D表示加

yestreenstars

回复 35# huang6894
你的意思是要把两种结果合并在一起？如果是请给个案例，看你要什么样的格式~

   

huang6894

回复 36# yestreenstars


    sorry,大大，我没说清楚，结果我是想生成两个文件的，第一个文件你已经帮我完美解决了~
    第二个文件的话是这个意思：
    比如：

1. 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
   
2. 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@?@??>@
   
3. 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

复制代码

这个还是以第六列（16M1D70M2S\88M\44M4I13M4D8M1I13M5S)这种数字计算，这一次“S”之前所有数字忽略I，D表示加，最后是像16M1D70M2S这样的就是16 +1 + 70 =87；4S84M表示0；44M4I13M4D8M1I13M5S表示：44 + 13 +4 + 8 + 13 =82；得到这个数字（以A表示）之后输出第四列的数字加上这个数字之后的结果：
16M1D70M2S：112365+87=112452；#这个时候S前面的数字运算结果是87>10,所以输出这行
4S84M：73823+0=73823；#这个时候S前面的数字运算结果是0<10,所以不输出这行
44M4I13M4D8M1I13M5S：37911759+82=37911841；#这个时候S前面的数字运算结果是82>10,所以输出这行
最后输出：
@FCD2FEHACXX:8:2301:1875:46038#79_118_1   16M1D70M2S  112452
@FCD2FEHACXX:8:2307:11230:38678#79_118_2  44M4I13M4D8M1I13M5S 37911841  
可以吗？

damcool

问题一，可处理多S：

1. awk '{s=$6;gsub(/[0-9]+D|[0-9]+I|[0-9]+M|S$/,"",s);m=$6;gsub(/[0-9]+S|[0-9]+D/,"",m);n=split(m,a,"[MI]");t=0;if (match(m,"I")) for (i=1;i<=n;i++) t+=a[i];n=split(s,a,"S");for (i=1;i<=n;i++) if (length(substr($10,t,a[i]))>1&& length(substr($11,t,a[i]))>1) printf "%s_%d\n%s\n%s\n%s\n\n",$1,($9>0?1:2),substr($10,t,a[i]),"+",substr($11,t,a[i])}' data
   

复制代码

问题二，可指定字符串长度(通过strlen指定)：

1. awk -v strlen=10 '{m=$6;gsub(/D/,"I",m);gsub(/[0-9]+S/,"",m);n=split(m,a,"[MI]");t=0;if (match(m,"I")) for (i=1;i<=n;i++) t+=a[i];if (t>strlen) printf "%s_%d\t%s\t%d\n\n",$1,($9>0?1:2),$6,$4+t}' data
   

复制代码

yestreenstars

回复 37# huang6894
试一下：

1. awk '{N=$9>0?1:2;s=0;t=$6;gsub(/[0-9]*[^S0-9]/,"",t);l=split(t,a,"S");if(l<3){t=$6;gsub(/[0-9]*(I|S.*)/,"",t);split(t,b,"[DM]");for(i in b)s+=b[i];if(s>=10)print $1"_"N,$6,$4+s}else{print $1"_"N,$6,$4;t=$6;gsub(/[0-9]*(I|S$)/,"",t);split(t,b,"[DMS]");for(i in b)s+=b[i];if(s>=10)print $1"_"N,$6,$4+s}}'

复制代码