免费注册 查看新帖 |

Chinaunix

  平台 论坛 博客 文库
最近访问板块 发新帖
查看: 887 | 回复: 2
打印 上一主题 下一主题

[文本处理] 如何选取最长的字符串 [复制链接]

论坛徽章:
0
跳转到指定楼层
1 [收藏(0)] [报告]
发表于 2017-03-01 13:33 |只看该作者 |倒序浏览
本帖最后由 蓝色未央 于 2017-03-01 14:48 编辑

遇到些问题,想请教大神一下:

1.txt长这样:(两行,一行为抬头,一行为序列)

>TRINITY_DN49716_c0_g1_i1 len=432 path=[410:0-431] [-1, 410, -2]
TTTTGACTTTGAAAAAGGTCAATTCCTGGCGAAGACAAGGTCGAAATGTTGAATTGGAAA
ATGGAATTGAAAAGAAAAATTTGATCGAAGCCTTTATTTTAAATG
>TRINITY_DN49716_c0_g1_i2 len=420 path=[410:0-431] [-1, 410, -2]
TTTTGACTTTGAAAAAGGTCAATTCCTGGCGAAGACAAGGTCGAAATGTTGAATTGGAAA
ATGGAATTGAAAAGAAAAATTTGATCGAAGCCTTT
>TRINITY_DN49772_c0_g1_i1 len=497 path=[475:0-496] [-1, 475, -2]
GAAAAAGGTCAATTCCTGGCGAAGACAAGGTCGAA
>TRINITY_DN49702_c0_g1_i1 len=701 path=[679:0-414 1071:415-700] [-1, 679, 1071, -2]
AGCAGCTTTTCATCCATCTAATCAAATGGTATCAGTTGAATCAAATGAGGGTAAAGTTAT
GTCATGTAGTTTACTTTATCGCGGTCCGATTACTGCTCAAGATGTTTTTGATACAATTCA
TAATGTGAAAAGAGGTAAAGATATGGAATGGGTTGAATGGTGTCCAACTGGTTTTAAAGT


...


想请教一下,碰到高亮的抬头相似的序列(i1,i2,i3···,重复次数未定),判断一下len的长度,取长的这一段(其中分隔符为\n),感觉前面可以先用sed替换一下
结果文件:
>TRINITY_DN49716_c0_g1_i1 len=432 path=[410:0-431] [-1, 410, -2]
TTTTGACTTTGAAAAAGGTCAATTCCTGGCGAAGACAAGGTCGAAATGTTGAATTGGAAA
ATGGAATTGAAAAGAAAAATTTGATCGAAGCCTTTATTTTAAATG
>TRINITY_DN49772_c0_g1_i1 len=497 path=[475:0-496] [-1, 475, -2]
GAAAAAGGTCAATTCCTGGCGAAGACAAGGTCGAA
>TRINITY_DN49702_c0_g1_i1 len=701 path=[679:0-414 1071:415-700] [-1, 679, 1071, -2]
AGCAGCTTTTCATCCATCTAATCAAATGGTATCAGTTGAATCAAATGAGGGTAAAGTTAT
GTCATGTAGTTTACTTTATCGCGGTCCGATTACTGCTCAAGATGTTTTTGATACAATTCA
TAATGTGAAAAGAGGTAAAGATATGGAATGGGTTGAATGGTGTCCAACTGGTTTTAAAGT


...



O(∩_∩)O谢谢







论坛徽章:
54
2015亚冠之德黑兰石油
日期:2015-07-07 13:00:1615-16赛季CBA联赛之深圳
日期:2016-03-31 09:03:5415-16赛季CBA联赛之辽宁
日期:2016-05-09 20:38:15程序设计版块每日发帖之星
日期:2016-05-12 06:20:0015-16赛季CBA联赛之四川
日期:2016-05-13 15:19:4715-16赛季CBA联赛之福建
日期:2016-05-15 20:24:34每日论坛发贴之星
日期:2016-05-16 06:20:0015-16赛季CBA联赛之吉林
日期:2016-05-26 11:49:4715-16赛季CBA联赛之广东
日期:2016-05-26 13:49:18极客徽章
日期:2016-12-07 14:05:2315-16赛季CBA联赛之广夏
日期:2016-12-20 17:33:532017金鸡报晓
日期:2017-01-10 15:19:56
2 [报告]
发表于 2017-03-01 14:06 |只看该作者
  1. awk -vRS='>' -F'[ =]' 'NF{s=gensub("(.+)_.+$","\\1",1);if(a[s]<$3){a[s]=$3;b[s]=$0}}END{for(i in b)print b[i]}'
复制代码

论坛徽章:
28
15-16赛季CBA联赛之八一
日期:2016-02-22 19:10:4215-16赛季CBA联赛之深圳
日期:2016-12-01 10:34:0415-16赛季CBA联赛之新疆
日期:2016-12-07 10:24:2915-16赛季CBA联赛之同曦
日期:2016-12-15 12:06:43CU十四周年纪念徽章
日期:2016-12-18 13:03:4415-16赛季CBA联赛之吉林
日期:2017-01-03 15:52:2515-16赛季CBA联赛之辽宁
日期:2017-01-04 14:58:2415-16赛季CBA联赛之辽宁
日期:2017-01-15 09:42:512016科比退役纪念章
日期:2017-02-06 17:21:50黑曼巴
日期:2017-02-10 15:46:1215-16赛季CBA联赛之上海
日期:2017-03-18 10:14:5415-16赛季CBA联赛之青岛
日期:2017-03-18 22:00:44
3 [报告]
发表于 2017-03-01 15:07 |只看该作者

  1. awk '{match($1,/(.+)_/,a);k=a[1];if($3>b[k]){b[k]=$3;c[k]=$0}}END{for(i in c)printf RS c[i]}' FS='[ =]' RS='>' 1.txt
复制代码
您需要登录后才可以回帖 登录 | 注册

本版积分规则 发表回复

  

北京盛拓优讯信息技术有限公司. 版权所有 京ICP备16024965号-6 北京市公安局海淀分局网监中心备案编号:11010802020122 niuxiaotong@pcpop.com 17352615567
未成年举报专区
中国互联网协会会员  联系我们:huangweiwei@itpub.net
感谢所有关心和支持过ChinaUnix的朋友们 转载本站内容请注明原作者名及出处

清除 Cookies - ChinaUnix - Archiver - WAP - TOP