生信分析中linux的使用7-awk

生信技能树学习笔记

awk：也称 gawk，编程语言，可对文本和数据进行处理

常见参数：-F，fields，设置字段分隔符；

用法：awk [options] '{script}' file

基础结构： ' {script} '

匹配结构： ' /pattern/{script} '

扩展结构： 'BEGIN{script} {script} END{script}'

awk 在读取一行文本时，会用预定义的字段分隔符划分每个数据字段，并分配给一个变量。

➢ $0 代表整个文本行；

➢ $1 代表文本行中的第1个数据字段；

➢ ……

➢ $NF 代表文本行中的最后一个数据字段

awk 默认的字段分隔符是任意空白字符（如：空格 or 制表

符），也可以用 -F 参数自定义分隔符

示例

#先看我们文档中的第九列

#但由于awk 默认的字段分隔符是任意空白字符，所以在它取第九列时显示为：

补充：attributes 属性，必须要有以下两个值：

gene_id value: 表示坐标在基因组上的基因座的唯一的ID。

gene_id 与 value 值用空格分开，如果值为空，则表示没

有对应的基因。

transcript_id value: 预测的转录本的唯一ID。

transcript_id与value值用空格分开，空表示没有转录本

#这样也可以

#里面引号要用双引号，因为linux成对识别引号

#指定分隔符为tab键

#匹配模式

#可以自定义输出顺序

#BEGIN{主体操作前} 主题操作 END{主题操作后的操作}

awk 内置变量：

➢ FS ：定义输入字段分隔符，Field Separator，同 –F

➢ RS ：定义输入记录分隔符，Record Separator

➢ OFS ：定义输出字段分隔符，Out Field Separator

➢ ORS ：定义输出记录分隔符，Out Record Separator

➢ NF ：数据文件中的字段总数，可以简单理解为列数

➢ NR ：已处理的输入记录数，可以简单理解为行数

#设置OFS以定义输出字段分隔符:

cat Data/example.gtf | awk 'BEGIN{OFS=":" } {print

#使用NR来打印行号

cat Data/example.gtf | awk 'BEGIN{FS="\t"; OFS=":" } {print NR,$9}' | head -5

awk 条件和循环语句：

if：条件判断

awk ' { if (判断条件) {yes} else {no} } '

for：循环语句

awk ' { for (循环条件) {循环语句} } '

#当i=1，i<4,1+1=2,打印

awk 数学运算：

+ （加），- （减）， * （乘），^ （幂）

/ （除），** （平方）， % （取余）

int(x) x的整数部分，取靠近零一侧的值

log(x) x的自然对数

#awk计算外显子长度

#加一

#除法，取整数

#加0.5四舍五入

常见报错

• 找不到文件、文件不存在：No such file or directory

• 没有权限 ：Permission denied

• 命令不存在 ：command not found

• 搜索解决报错注意 ：

• 如果答案提到用 root 用户（命令行提示符是 # ），或者提到

的解决方法用到了 apt/yum/sudo ，表明部分操作是管理员命令，

需要注意自己是否有管理员权限(大概率是没有的)

• 认清楚命令的结构：命令 + 参数 + 文件