如何使用awk进行多次匹配并在每个模式后打印不同数量的行

Question

我有一个包含数千行的大文件，如下所示：

>ENST00001234.1
ACGTACGTACGG
TTACCCAGTACG
ATCGCATTCAGC
>ENST00002235.4
TTACGCAT
TAGGCCAG
>ENST00005546.9
TTTATCGC
TTAGGGTAT

>例如，我想 grep 特定的 id（在符号之后），ENST00001234.1然后想在匹配之后获取行直到下一个>[不管行数]。我想以这种方式一次 grep 大约 63 个 ID。

如果我 grepENST00001234.1和ENST00005546.9ids，理想的输出应该是：

>ENST00001234.1
ACGTACGTACGG
TTACCCAGTACG
ATCGCATTCAGC
>ENST00005546.9
TTTATCGC
TTAGGGTAT

我试过了，awk '/ENST00001234.1/ENST00005546.9/{print}'但没有帮助。

Answer 1

您可以设置>为记录分隔符：

$ awk -F'\n' -v RS='>' -v ORS= '$1=="ENST00001234.1"{print RS $0}' ip.txt
>ENST00001234.1
ACGTACGTACGG
TTACCCAGTACG
ATCGCATTCAGC

• -F'\n' 更容易将搜索词与第一行进行比较
• -v RS='>'设置>为输入记录分隔符
• -v ORS= 清除输出记录分隔符，否则你会在输出中得到额外的换行符
• $1=="ENST00001234.1"这将进行字符串比较并匹配整个第一行，否则您将不得不转义正则表达式元字符.并添加锚点
• print RS $0如果找到匹配，打印>并记录内容

如果要匹配多个搜索词，请将它们放在一个文件中：

$ cat f1
ENST00001234.1
ENST00005546.9

$ awk 'BEGIN{FS="\n"; ORS=""}
       NR==FNR{a[$0]; next}
       $1 in a{print RS $0}' f1 RS='>' ip.txt
>ENST00001234.1
ACGTACGTACGG
TTACCCAGTACG
ATCGCATTCAGC
>ENST00005546.9
TTTATCGC
TTAGGGTAT

在这里， 的内容f1用于构建 array 的键a。读取第一个文件后，RS='>'将更改第二个文件的记录分隔符。

$1 in a 将检查第一行是否与数组中的键匹配 a