在 bash 中使用嵌套循环将字符串中的字符替换为单词数组

Question

我最近一直在学习 Bash，但我在嵌套循环时遇到了麻烦。

这就是我得到的。

input='ATAATAATAATG'
CODONTABLE=(ATA I ATC I ATT I ATG M ACA T
            ACC T ACG T ACT T AAC N AAT N
            AAA K AAG K AGC S AGT S AGA R
            AGG R CTA L CTC L CTG L CTT L
            CCA P CCC P CCG P CCT P CAC H
            CAT H CAA Q CAG Q CGA R CGC R
            CGG R CGT R GTA V GTC V GTG V
            GTT V GCA A GCC A GCG A GCT A
            GAC D GAT D GAA E GAG E GGA G
            GGC G GGG G GGT G TCA S TCC S
            TCG S TCT S TTC F TTT F TTA L
            TTG L TAC Y TAT Y TAA _ TAG _
            TGC C TGT C TGA _ TGG W)


for ((i=0;i<${#input};i++)) ; do
  let w+=1
  for c in $input ; do
    for h in $CODONTABLE ; do
      if [ $(echo ${input:x:3})=$(echo $CODONTABLE[w]) ] ; then
      mod+=(${CODONTABLE[w]})
      let x+=1
      else
      let w+=1
      fi
    done
  done
done
echo $mod
echo $input

我从中得到的是……

ATAATAATAATG
I

看来至少 ATA 被正确地翻译成 I。 但是，我想要的是

**ATA**ATAATAATG -> I
A**TAA**TAATAATG -> _
AT**AAT**AATAATG -> N
ATA**ATA**ATAATG -> I

因此最终输出为I_NI_NI_NM，我稍后会使用它。

简而言之，我如何创建一个正确的重复循环来遍历我的输入，翻译每个可能的 3 个字符帧，并将其附加到另一个数组？

Answer 1

您的代码实际上存在很多问题。其中一些是纯逻辑错误；其他人是由于对各种 Bash 构造的作用的误解。 （虽然我猜一些纯粹的逻辑错误是由于对各种 Bash 构造的误解而导致的问题的反复试验尝试解决的问题。）所以作为一般建议，我建议编写和测试小片段，看看它们是如何工作的，并使用调试输出（像echo "i=$i w=$w c=$c h=$h" 这样的小语句，可以帮助您查看代码中发生了什么）。这将帮助您建立一个有效的程序。

以下是一些具体问题。它们不是一个完整的列表。

---

这个：

for ((i=0;i<${#input};i++)) ; do
  let w+=1
  ...
done

会给w 值1、2、3、...12。但我认为您实际上希望w 采用值0、3、6、9？为此，您应该写：

for (( w = 0 ; w < ${#input} ; w += 3)) ; do
  ...
done

（如果我误解了 w 应该是什么，我深表歉意。它的名字不是很容易记忆，而且你似乎有几种不同的用法，所以很难确定。顺便说一句 - 我建议把为更好地命名变量付出了一些努力。它使代码so更容易理解和调试。）

---

由于$input 不包含任何空格，因此：

  for c in $input ; do
    ...
  done

等价于：

  c=$input
  ...

（也许您希望 for c in $input 循环遍历 $input 的字符？但这不是那个符号的作用。）

---

您似乎试图将CODONTABLE 视为一个关联数组，但您还没有把它写成一个。如果您使用的是支持关联数组的 Bash 版本，那么您应该使用真正的：

declare -A CODONTABLE=([ATA]=I [ATC]=I [ATT]=I [ATG]=M [ACA]=T
                       [ACC]=T [ACG]=T [ACT]=T [AAC]=N [AAT]=N
                       [AAA]=K [AAG]=K [AGC]=S [AGT]=S [AGA]=R
                       [AGG]=R [CTA]=L [CTC]=L [CTG]=L [CTT]=L
                       [CCA]=P [CCC]=P [CCG]=P [CCT]=P [CAC]=H
                       [CAT]=H [CAA]=Q [CAG]=Q [CGA]=R [CGC]=R
                       [CGG]=R [CGT]=R [GTA]=V [GTC]=V [GTG]=V
                       [GTT]=V [GCA]=A [GCC]=A [GCG]=A [GCT]=A
                       [GAC]=D [GAT]=D [GAA]=E [GAG]=E [GGA]=G
                       [GGC]=G [GGG]=G [GGT]=G [TCA]=S [TCC]=S
                       [TCG]=S [TCT]=S [TTC]=F [TTT]=F [TTA]=L
                       [TTG]=L [TAC]=Y [TAT]=Y [TAA]=_ [TAG]=_
                       [TGC]=C [TGT]=C [TGA]=_ [TGG]=W)

如果不是，那么您的常规数组方法很好，但您应该将该逻辑放入其自己的函数中，而不是尝试使用深度嵌套循环在 CODONTABLE 中找到正确的映射：

function dna_codon_to_amino ($) {
  local dna_codon="$1"
  local i
  for (( i = 0 ; i < ${CODONTABLE[@]} ; i += 2 )) ; do
    if [[ "$dna_codon" = "${CODONTABLE[i]}" ]] ; then
      echo "${CODONTABLE[i+1]}"
      return
    fi
  done

  # whoops, didn't find anything. print a warning to standard error,
  # return the amino acid '@', and indicate non-success:
  echo "Warning: invalid DNA codon: '$dna_codon'" >&2
  echo '@'
  return 1
}

然后您可以通过编写如下内容来调用它：

amino_codon="$(dna_codon_to_amino "$dna_codon")"

Answer 2

ruakh 的answer 有很多好处，但我认为没有说明如何一次遍历字符串 3 个字母。这段代码就是这样做的：

#!/usr/bin/env bash-4.3

declare -A CODONTABLE
CODONTABLE=(
            [ATA]=I [ATC]=I [ATT]=I [ATG]=M [ACA]=T
            [ACC]=T [ACG]=T [ACT]=T [AAC]=N [AAT]=N
            [AAA]=K [AAG]=K [AGC]=S [AGT]=S [AGA]=R
            [AGG]=R [CTA]=L [CTC]=L [CTG]=L [CTT]=L
            [CCA]=P [CCC]=P [CCG]=P [CCT]=P [CAC]=H
            [CAT]=H [CAA]=Q [CAG]=Q [CGA]=R [CGC]=R
            [CGG]=R [CGT]=R [GTA]=V [GTC]=V [GTG]=V
            [GTT]=V [GCA]=A [GCC]=A [GCG]=A [GCT]=A
            [GAC]=D [GAT]=D [GAA]=E [GAG]=E [GGA]=G
            [GGC]=G [GGG]=G [GGT]=G [TCA]=S [TCC]=S
            [TCG]=S [TCT]=S [TTC]=F [TTT]=F [TTA]=L
            [TTG]=L [TAC]=Y [TAT]=Y [TAA]=_ [TAG]=_
            [TGC]=C [TGT]=C [TGA]=_ [TGG]=W
)

input='ATAATAATAATG'
i=("AAAAACAAGAATACAACCACGACTAGAAGCAGGAGTATAATCATGATT"
   "CAACACCAGCATCCACCCCCGCCTCGACGCCGGCGTCTACTCCTGCTT"
   "GAAGACGAGGATGCAGCCGCGGCTGGAGGCGGGGGTGTAGTCGTGGTT"
   "TAATACTAGTATTCATCCTCGTCTTGATGCTGGTGTTTATTCTTGTTT"
  )

for string in "$input" "${i[@]}" 
do
    echo "$string"
    fmt=$(printf "  %%-%ds  %%3s  %%s\\\\n" ${#string})
    #echo "$fmt"
    output=""
    while [ ${#string} -ge 3 ]
    do
        codon=${string:0:3}
        output="$output${CODONTABLE[$codon]}"
        printf "$fmt" "$string" "$codon" "$output"
        string=${string#?}
    done
done

关键部分是关联数组和两个表达式：

codon=${string:0:3}  # Extract 3 characters from offset 0 of string
string=${string#?}   # Drop the first character from string

输出的第一部分是：

ATAATAATAATG
  ATAATAATAATG  ATA  I
  TAATAATAATG   TAA  I_
  AATAATAATG    AAT  I_N
  ATAATAATG     ATA  I_NI
  TAATAATG      TAA  I_NI_
  AATAATG       AAT  I_NI_N
  ATAATG        ATA  I_NI_NI
  TAATG         TAA  I_NI_NI_
  AATG          AAT  I_NI_NI_N
  ATG           ATG  I_NI_NI_NM