求大虾给于指点

gzgzgz

我手上有两个文件要处理，一个的内容是
***     1TMY.pdb
$$$     ALA12   PHE13   MET14   ARG15   MET16   MET17   LEU18   LYS19   ASP20   ILE21   ILE22
HR23    LYS24
$$$     GLY36   ARG37   GLU38   ALA39   VAL40   GLU41   LYS42   TYR43   LYS44   GLU45   LEU46
$$$     PRO58   GLU59   MET60
$$$     GLY62   ILE63   ASP64   ALA65   ILE66   LYS67   GLU68   ILE69   MET70   LYS71   ILE72
$$$     GLN87   ALA88   MET89   VAL90   ILE91   GLU92   ALA93   ILE94   LYS95   ALA96
$$$     PRO108  SER109  ARG110  VAL111  VAL112  GLU113  ALA114  LEU115  ASN116  LYS117
$$$
***     1VJW.pdb
$$$     VAL15   CYS16   GLU17   ASN18   LEU19
$$$     PRO42   CYS43   ALA44   LYS45   ASP46   ALA47   ALA48   ASP49   SER50
$$$
另一个的内容是
***     1TMY.pdb
$$$     GLY2    LYS3
$$$     ASP9    ASP10   ALA11
$$$     ALA25   GLY26   TYR27
$$$     THR34   ASN35
$$$     LYS47   PRO48   ASP49
$$$     ILE55   THR56   MET57
$$$     ASN61
$$$     ASP73   PRO74   ASN75   ALA76   LYS77
$$$     ALA83   MET84   GLY85   GLN86
$$$     GLY97   ALA98   LYS99
$$$     LYS104  PRO105  PHE106  GLN107
$$$     VAL118  SER119
***     1VJW.pdb
$$$     MET1
$$$     ASP6    ALA7    ASP8    ALA9    CYS10   ILE11   GLY12   CYS13   GLY14
$$$     CYS20   PRO21   ASP22   VAL23
$$$     ASP28   ASP29   GLY30   LYS31
$$$     LEU35   GLN36   PRO37   GLU38   THR39   ASP40   LEU41
$$$     CYS51   PRO52   THR53   GLY54   ALA55
$$$
现在要干的事情是：
我给出了这样一个序列要求做匹配，比如说是
MET   GLY   GLN    GLN   ALA   MET
并且知道，这六个连续的序列一定是前三个在第二个文件，后三个在第一个文件，并且他们的序号是连续的，即后面的数字在两个文件中是可接续的。
要求找到这样的序列。注意，在文件中有不同的记录项，“***” 就表示一个新的纪录项的开始，接续的时候不要接错了，只能是两个文件中分别对应的纪录项。

其中，纪录项新行的开始以“$$$“，间隔是用tab不是空格。

我曾经想用c实现，但这样的判断实在太繁琐了，时间不允许。只好求助于shell,可惜shell功底太差。
小弟尽其所能，只能写如下几句，望大侠相助。

a=` grep -v "\*\*\*" first_file | awk '{ print $2 }' `

然后就不知该怎么办了

gzgzgz

我自己顶一下

一梦如是

您到底想要什么样的结果？

gzgzgz

给出前后这两个部分分别在这两个文件的第几行

一梦如是

第一个所在行

1. egrep -n 'GLN[0-9]+ *ALA[0-9]+ *MET[0-9]+' 2|cut -d: -f1

复制代码

第二个所在行

1. egrep -n 'MET[0-9]+ *GLY[0-9]+ *GLN[0-9]+' 2|cut -d: -f1

复制代码

gzgzgz

但是这样做不到这样的六个的序号是连续的这样一个条件

一梦如是

这六个序号不一定是多少？至少也应该有限制吧，譬如大于多少，小于多少？

gzgzgz

不好意思，没有这样的限制

gzgzgz

大体上，这样的序号不会到4位数

一梦如是

1. $cat a.sh
   
2. #!/bin/ksh
   
3. i=0
   
4. while [ $i -lt 1000 ]
   
5. do
   
6. unset a b
   
7. a=$(egrep -n "MET${i} *GLY$(expr $i + 1) *GLN$(expr $i + 2)" 2|cut -d: -f1)
   
8. if [ $a ]
   
9. then
   
10.   b=$(egrep -n "GLN$(expr $i + 3) *ALA$(expr $i + 4)+ *MET$(expr $i + 5)+" 1|cut -d: -f1)
    
11. fi
    
12. if [ "$a" -a "$b" ]
    
13. then
    
14.   echo "开始序号：${i}-结束序号：$(expr $i + 5)"
    
15.   echo "序列出现在第二个文件的第${a}行，第一个文件的第${b}行"
    
16. fi
    
17.   i=$(expr $i + 1)
    
18. done

复制代码

但是，如果您的文件稍微有点大，那建议您下班前找个一直开的终端

1. a.sh >file &

复制代码

转天早晨再来看file内容吧我想不到进一步优化的方法了~