如何计算一行中模式的出现

Question

我有一个包含三列的文件。第 3 列包含基因名称，如下所示：

Rv0729,Rv0993,Rv1408  
Rv0162c,Rv0761c,Rv1862,Rv3086  
Rv2790c

如何打印每行中的基因数量？

Answer 1

您只想添加一列，其中包含列数。这可以使用awk：

$ awk -F ',' '{ printf("%d,%s\n", NF, $0) }' data.in
3,Rv0729,Rv0993,Rv1408
4,Rv0162c,Rv0761c,Rv1862,Rv3086
1,Rv2790c

NF是一个awk变量，包含当前记录（行）中的字段（列）数。我们为每一行打印这个数字，后跟一个逗号和行的其余部分。

另一种选择（相同的结果，但可能看起来更简洁）：

$ awk -F ',' 'BEGIN { OFS=FS } { print NF, $0 }' data.in

FS是awk用于将每个记录拆分为字段的字段分隔符，我们-F ','在命令行上将其设置为逗号（如第一个解决方案）。OFS是输出字段分隔符，我们将其设置为与FS读取第一行输入之前相同。

Answer 2

如果您想计算Rv[0-9]{4}c?模式的出现次数，而不是问题主题所建议的逗号分隔字段的数量，您可以这样做：

 awk '{print gsub(/Rv[0-9]{4}c?/, "&"), $0}'