匹配两行中的字符数

Question

我有一个文件，我正试图为一些下游分析做准备，但我需要两行中的字符数相同。该文件格式如下，其中第 2 行 (CTTATAATGCCGCTCCCTAAG) 和第 4 行 (bbbeeeeegggggiiiiiiiiigghiiiiiiiiiiiiiiiiiigeccccb) 需要包含相同数量的字符。

@HWI-ST:8:1101:3346:2198#GTCCGC/1
CTTATAATGCCGCTCCCTAAG
+HWI-ST:8:1101:3346:2198#GTCCGC/1
bbbeeeeegggggiiiiiiiiigghiiiiiiiiiiiiiiiiiigeccccb
@HWI-ST:8:1101:10491:2240#GTCCGC/1
GAGTAGGGAGTATACATCAG
+HWI-ST:8:1101:10491:2240#GTCCGC/1
abbceeeeggggfiiiiiigg`gfhfhhifhifdgg^ggdf_`_Y[aa_R
@HWI-ST:8:1101:19449:2134#GTCCGC/1
AAGAAGAGATCTGTGGACCA

到目前为止，我已经从每组四行中提取了第二行，并生成了一个包含每行长度记录的文件：

grep -v '[^A-Z]' file.fastq |awk '{ print length($0); }' > newfile

现在我只是在寻找一种指向该记录的方法，以指导 sed 命令确定要从行尾修剪多少字符。类似于：

sed -r 's/.{n}$//' file

用一些正则表达式替换 n 以引用文本文件。我想知道我是否让事情变得过于复杂，但我需要线条完全匹配，所以我一直无法想出另一种方法来解决它。任何帮助都会很棒，谢谢！

Answer 1

这可能是您正在寻找的：

awk '
  # If 2nd line of 4-line group, save length as len.
  NR % 4 == 2 { len = length($0) }

  # If 4th line of 4-line group, trim the line to len.
  NR % 4 == 0 { $0 = substr($0, 1, len)}

  # print every line
  { print }
' file

这假设文件由 4 行组组成，其中每个组的第 2 行和第 4 行是您感兴趣的行。它还假设每个组的第 2 行不会长于其对应的第 4 行行。