连续字符串，如何按照一定长度生成若干行

蓝色未央

文件处理的时候遇到一些问题，希望各位大神给予帮助：
1.txt长这样(两行内容，第一行是header，后面的行是连续的字符串)：
>hsp
AAAAAAATTAACGCGTGTTTTTAAAATATTAAGAAATTATTTTAACTTCTAGATTAACTTCTATTAATTAAATATCAATT
TATTTGGAAAAATTATAGCAAGAATTAATTATTTTTTATGGGTGATACATGGAAAGATATACAAGAAGTTAAAAATAAAA
AAACTTCAATAAGAGAAAAATTAGAAAGTAGAAAAAGGCAAAGAGAAAATTTAATGGCGAGTGTCAGTGTTATGCCACCT
AAAAAAAATCTTAAAACTGAAGGAAAAAAATCACTGAGCAACAC

2.txt长这样
>mm
TGTTCACTATGAAATAAATCAACCTGATAATATTCAAGAGGATAACATTGATAAGTATTTAGGTAGTCACTCTAGACACG
ATACAACTAGTCTTTATCAACCACAATGGATTGAATGTGACATAAGGGAATTAGATATGTCGATATTAGGTAAATTTGCT
GTAATTATGGCGGATCCACCCTGGGATATCCATATGGAATTGCCGTATGGCACAATGAGTGATGAAGAGATGAGTAGATT

>dsp
ACGAGTCTCTCGGGGATTGTTCTTTTCTCAATACTTGCTTTCATATTGAAAGTTGTAAATA
TGTTCACTATGAAATAAATCAACCTGATAATATTCAAGAGGATAACATTGATAAGTATTTAGGTAGTCACTCTAGACACG
TGCGTTTATGGGGTTATCAATGCCTCGAAGAAATAATTTGGGTTAAAACCAATCAGCTTCAAAGAATTATACGTACAGGA
AGAACAGGGCACTGGATAAATCATGGAAAGGAACATT

想要实现的是，在1.txt里面按照顺序切字符串，每次取22个字符串，依次向后挪一位，如果这个字符串在2中出现过，则输出出现的次数。

例如：1.txt切窗口生成文件：
AAAAAAATTAACGCGTGTTTTT    1














AAAAAATTAACGCGTGTTTTTA    1
AAAAATTAACGCGTGTTTTTAA    2
AAAATTAACGCGTGTTTTTAAA    4
...
GAAAAAAATCACTGAGCAACAC   1

我的思路先是对1.txt切窗口生成一个序列文件，然后利用find命令找一下，但是无奈挨个且窗口不会，只会取特定的长度，所以
谢谢大神指教。

zxy877298415

回复 1# 蓝色未央

1. awk -vRS= -F '' 'FNR==NR{gsub(/>[a-z]+|\n/,"",$0);for(i=1;i<=NF-21;i++) a[substr($0,i,22)];next}{gsub(/>[a-z]+|\n/,"",$0);for(i in a) {b[i]+=gsub(i,"&",$0)}}END{for(i in b) print i,b[i]}' 1.txt 2.txt
   

复制代码

jason680

回复 1# 蓝色未央



$ awk -vn=8 '/>/{next}{len=length;if(len<n)next;for(c=1;c<=len-n;++c){k=substr($0,c,n);if(NR==FNR)++a[k];else if(a[k])print k,a[k]}}' 2.txt 1.txt
AAGAATTA 1
TTTATGGG 1
CATGGAAA 1
ATGGAAAG 1

$ awk -vn=9 '/>/{next}{len=length;if(len<n)next;for(c=1;c<=len-n;++c){k=substr($0,c,n);if(NR==FNR)++a[k];else if(a[k])print k,a[k]}}' 2.txt 1.txt
CATGGAAAG 1

$ awk -vn=10 '/>/{next}{len=length;if(len<n)next;for(c=1;c<=len-n;++c){k=substr($0,c,n);if(NR==FNR)++a[k];else if(a[k])print k,a[k]}}' 2.txt 1.txt

toddhai

回复 2# zxy877298415

您好，请问gsub(i,"&",$0)中的"&"是什么意思呢？

wh7211

回复 1# 蓝色未央

1. awk -F "" 'NR>1&&FILENAME==ARGV[1]{for(i=1;i<=NF-21;i++){t=substr($0,i,22);a[t]}}FILENAME==ARGV[2]{for(j in a){if($0~j){b[j]++}}}END{for(x in b){print x,b[x]}}' a.txt b.txt

复制代码