如何使用 bash 或 awk 检查字符串是否至少包含一个不同于 4 的字母

Question

如何使用 awk 或 bash 检查序列中至少有一个不是 A、U、C、G 字符的字母？

可以在没有典型的 for 循环的情况下完成吗？

序列示例：AUVGAU

我把这个作为输入，我应该把它拿回来，因为它有 V

输入文件看起来像这样，所以我认为 awk 会更好。

>7A0E_1|
AUVGAU
>7A0E_2|
GUCAU

预期产出

>7A0E_1|
AUVGAU

这是我尝试过的：

awk '!/^>/ {next}; {getline s}; s !~ /AUGC/ { print $0 "\n" s }' sample

但显然 /AUGC/ 是不对的......有人可以帮助我使用这个正则表达式吗？

Answer 1

我认为awk如果您想>在下一条记录不包含时有条件地输出该行，那么这是一个工具[AUCG]。您可以通过以下方式做到这一点：

awk '/^>/ {rec=$0; next} /[^AUGC]/ {printf "%s\n%s\n", rec, $0}' sample

在你的情况下，结果是：

awk '/^>/ {rec=$0; next} /[^AUGC]/ {printf "%s\n%s\n", rec, $0}' sample

（注意：您可以使用print rec; print代替printf，但printf上面将输出减少为单个调用）

您遇到麻烦的地方是忘记保存>以然后使用开头的当前记录getline- 这是根本不需要的。