如何在 cut 命令中循环变量范围

Question

我有一个包含 2 列的文件，我想使用第二列中的值来设置 cut 命令中的范围以从另一个文件中选择一个字符范围。我想要的范围是第二列中值位置的字符加上接下来的 10 个字符。一会儿我会举个例子。

我的文件是这样的：

文件有 2 列，行间没有空行 (file1.txt)：

NAME1 10
NAME2 25
NAME3 48
NAME4 66

我要提取可变字符范围的文件（只有很长的一行，没有空格和粗体）（file2.txt）：

GATCGAGCGGGATTCTTTTTTTTTAGGCGAGTCAGCTAGCATCAGCTACGAGAGGCGAGGGCGGGCTATCACGACTACGACTACGACTACAGCATCAGCATCAGCGCACTAGAGCGAGGCTAGCTAGCTACGACTACGATCAGCATCGCACATCGACTACGATCAGCATCAGCTACGCATCGAAGAGAGAGC

...或者，更确切地说（用于复制/粘贴以进行测试）：

GATCGAGCGGGATTCTTTTTTTTTAGGCGAGTCAGCTAGCATCAGCTACGAGAGGCGAGGGCGGGCTATCACGACTACGACTACGACTACAGCATCAGCATCAGCGCACTAGAGCGAGGCTAGCTAGCTACGACTACGATCAGCATCGCACATCGACTACGATCAGCATCAGCTACGCATCGAAGAGAGAGC

所需的结果文件，每行一个序列 (result.txt)：

GATTCTTTTT
GGCGAGTCAG
CGAGAGGCGA
TATCACGACT

生成的文件将包含 10-20、25-35、48-58 和 66-76 中的字符，每个范围都在一个新行中。因此，它将始终保持 10 的范围，但在不同的起点，这些起点由第一个文件第二列中的值设置。

我试过命令：

for i in $(awk '{print $2}' file1.txt);
do
        p1=$i;
        p2=`expr "$1" + 10`
        cut -c$p1-$2 file2.txt > result.txt;
done

我没有收到任何输出或错误消息。

我也试过了：

while read line; do
    set $line
    p2=`expr "$2" + 10`
    cut -c$2-$p2 file2.txt > result.txt;
done <file1.txt

最后一条命令给了我一条错误消息：

cut: invalid range with no endpoint: -
Try 'cut --help' for more information.
expr: non-integer argument

Answer 1

这里不需要cut； dd 可以完成对文件的索引工作，并且只读取您想要的字节数。 （请注意，status=none 是 GNUism；如果您想禁止信息日志记录，您可能需要将其留在其他平台上并重定向 stderr）。

while read -r name index _; do
  dd if=file2.txt bs=1 skip="$index" count=10 status=none
  printf '\n'
done <file1.txt >result.txt

这种方法避免了过多的内存需求（在读取整个 file2 时存在——假设它很大），并且具有有限的性能要求（开销等于每个要提取的序列启动一个 dd 副本）。

Answer 2

使用 awk

$ awk 'FNR==NR{a=$0; next} {print substr(a,$2+1,10)}' file2 file1
GATTCTTTTT
GGCGAGTCAG
CGAGAGGCGA
TATCACGACT

Answer 3

如果file2.txt不是太大，那么可以在内存中读取， 并使用 Bash 子字符串来提取所需的范围：

data=$(<file2.txt)
while read -r name index _; do
  echo "${data:$index:10}"
done <file1.txt >result.txt

这将比为每个范围定义运行 cut 或其他进程更有效。

（感谢@CharlesDuffy 提示阅读data 没有无用的cat 和while 循环。）

Answer 4

一种解决方法：

#!/bin/bash                                                                                                        

while read line; do
    pos=$(echo "$line" | cut -f2 -d' ')
    x=$(head -c $(( $pos + 10 )) file2.txt | tail -c 10)
    echo "$x"
done < file1.txt > result.txt

这不是经验丰富的 bash 黑客会使用的解决方案，但对于 bash 新手来说非常有用。它使用非常通用的工具，但如果您需要高性能，虽然有点糟糕。 Shell 脚本通常由很少使用 shell 脚本但知道一些命令并且只想完成工作的人使用。这就是我包含此解决方案的原因，即使其他答案对于更有经验的人来说更好。

第一行很简单。它只是从file1.txt 中提取数字。第二行使用了非常好的工具head 和tail。通常，它们与行而不是字符一起使用。尽管如此，我还是用head 打印了第一个pos + 10 字符。结果通过管道传送到tail，它会打印最后一个10 字符。

感谢@CharlesDuffy 的改进。