Bash：基于数组变量的 Cat

Question

我想连接两个或多个文件，具体取决于名称是否包含数组中的元素。

我正在逐行读取此类文件（proteome.pisa）：

2PJY_p  chain=(B C) hresname=() hresnumber=()   hatom=()    model=()    altconf=()
2Q7N_p  chain=(A E F G H I J K L)   hresname=(FUC MAN NAG)  hresnumber=()   hatom=()    model=()    altconf=()

对于每一行，脚本提取第一列上的字符串并将其定义为变量 pdbid。然后它获取第二列并将其定义为一个数组（元素链 $c）。然后它检查名为 ${pdbid}_${c}_p.pdb 的文件是否存在，如果存在，则将其内容合并到文件 ${pdbid}_p_${chains}.pdb

是脚本：

while read line ; do

echo "$line" > pdb.line
cut -f1 pdb.line > pdb.list
sed -i 's/.*/\"&\"/' pdb.list
sed -i 's/_p//g' pdb.list
awk '{ printf "pdbid="; print }' pdb.list > pdbid.list

cut -f2 pdb.line > chain.list

source pdbid.list
source chain.list

chains=`printf "%s" "${chain[@]}"`

for c in ${chain[@]} ; do
if [ ${#chain[@]} -gt 1 ] && \
   [ -f ${pdbid}_${c}_p.pdb ] ; then  
cat ${pdbid}_${chain[$c]}_p.pdb >> ${pdbid}_p_${chains}.pdb
fi
done

done < proteome.pisa

这 例如，预期行为是将第一行的 2PJY_p_B.pdb 和 2PJY_p_C.pdb 合并到名为 2PJY_p_BC.pdb 的文件中。然而，它实际上所做的是将第一个文件合并两次。我不明白为什么...

Answer 1

这是一个很好的问题，因为它表明 bash 无法独自完成所有事情。相反，它需要 awk、cut 等帮助器，...我查看了您的解决方案，似乎在两行 source 行之后，您期望设置变量 pdbid、chain 和 strings。但是，您的脚本没有正确设置它们，我可以帮助您完成该部分。我不太了解 Perl，但认为 Perl 在这种情况下会很好地工作。这是 ma​​kevars.pl：

while (<STDIN>) {
    my($line) = $_;
    if ($line =~ /^(.*)_p.*chain=\((.*)\).*hresname.*$/) {
        print "pdbid=$1\n";
        print "chain=($2)\n";
        $chains = $2;
        $chains =~ s/ //g;
        print "chains=$chains\n";
    }
}

这是 shell 脚本：

while read line
do

    echo "$line" | perl makevars.pl >setvars.sh
    source setvars.sh
    # Now, pdbid, chain, and chains are set, do your things

done < proteome.pisa

我希望这会有所帮助。

Answer 2

我建议使用 sed 将输入预处理为更简单的形式，然后对其进行循环。这是假设 chain=(...) 始终是一行中的第一个此类属性。

#!/bin/sh

# Replace 2ICQ_p chain=(A B C ... Z) attribs= ...   with
# 2ICQ_p A B C ... Z
sed 's/ chain=\(//;s/\).*//' <proteome.pisa |
while read pdbid chain; do
    chains=${chain/ /}
    for c in $chain; do
        test -e ${pdbid}_${c}_p.pdb || continue
        cat ${pdbdid}_${c}_p.pdb
    done >${pdbid}_p_${chains}.pdb
done

这可以避免使用临时文件来困扰您的第一个脚本；获取生成的文件即使不令人震惊，也看起来相当令人吃惊（通常您可以使用反引号来进行此类操作，但这里并不真正需要它们）。

sed 有多种变体；一些（例如Linux）希望文字括号带有反斜杠，另一些（例如Mac OSX）则不需要。如果这不起作用，请尝试去掉反斜杠。

具有多个变量名称的 read 会在空格上分割输入，以便第一个变量名称接收第一个标记，等等；最后命名的变量接收剩下的内容，没有额外的空格分割。 continue 跳转到封闭的 for 或 while 循环的下一次迭代。除此之外，这应该是相当不言自明的。如果您真的被迫在纯 Bourne shell 中完成这一切，那么开头的 sed 替换可能会被涉及字符串替换的内容替换。

Answer 3

问题似乎是这一行中数组的定义：

cat ${pdbid}_${chain[$c]}_p.pdb >> ${pdbid}_p_${chains}.pdb

将其更改为 :

cat ${pdbid}_${c}_p.pdb >> ${pdbid}_p_${chains}.pdb

似乎可以解决问题。

此外，我对所有出现的“${chain[@]}”都用双引号引起来。