我希望能够从一行中提取两个不同的序列答案

【问题标题】：I want to be able to extract two different sequences from one line我希望能够从一行中提取两个不同的序列
【发布时间】：2020-02-06 06:17:47
【问题描述】：

我希望能够从一行中提取两个不同的序列。

例如：

atg ttg tca aat tca tgg atc atg ttg tca aat tca tgg atc 标签

我想创建一个循环，程序将从第一个 atg 读取到 tag，将该序列输出到文件中，并获取第二个 atg 读取到 tag，将该序列输出到同一个文件中。

我想要的输出：

atg ttg tca aat tca tgg atc atg ttg tca aat tca tgg atc tag
atg ttg tca aat tca tgg atc tag

我该怎么办？

感谢您的帮助。

【问题讨论】：

输出会是什么？你试过什么？
理想情况下，输出将是：atg ttg tca aat tca tgg atc atg ttg tca aat tca tgg atc tag & atg ttg tca aat tca tgg atc tag。我是使用 bash 的初学者。我没有尝试过任何事情，因为我不知道如何解决这个问题：/

标签： bash for-loop while-loop

【解决方案1】：

请您尝试以下方法：

str="atg ttg tca aat tca tgg atc atg ttg tca aat tca tgg atc tag"
start="atg"    # start marker of the sequence
end="tag"      # end marker of the sequence

read -r -a ary <<< "$str"
for (( i=0; i<${#ary[@]}; i++ )); do
    if [[ ${ary[$i]} = $start ]]; then
        index_s+=("$i")
    elif [[ ${ary[$i]} = $end ]]; then
        index_e+=("$i")
    fi
done

s=${index_s[0]}; n=$(( ${index_e[0]} - ${index_s[0]} + 1 ))
echo "${ary[@]:$s:$n}" > "result.txt"
s=${index_s[1]}; n=$(( ${index_e[0]} - ${index_s[1]} + 1 ))
echo "${ary[@]:$s:$n}" >> "result.txt"

结果：

atg ttg tca aat tca tgg atc atg ttg tca aat tca tgg atc tag
atg ttg tca aat tca tgg atc tag

[工作原理]

read -r -a ary <<< "$str" 在空格 (IFS) 上拆分 $str 和将元素存储到数组ary。
然后for 循环遍历数组元素的开始/结束标记。
如果找到开始标记atg，则将位置存储在数组中 index_s。最后${index_s[0]} 保存开始标记的第一个位置，并且 ${index_s[1]} 持有第二个（依此类推）。使用结束标记 tag 执行相同的操作。
最终脚本输出两组数组切片。一开始是第一个 atg 并以第一个 tag 结尾。另一个开始于第二个atg 并以第一个tag 结束。

希望这会有所帮助。

【讨论】：

【解决方案2】：

当您最多需要 2 个序列时，您可以在原始字符串和修改后的字符串中使用 grep：

s='atg ttg tca aat tca tgg atc atg ttg tca aat tca tgg atc tag'
printf "%s\n" "$s" "${s#*atg}" | grep -Eo "atg.*tag"

当你想要提取超过 2 个可用的子字符串时，你需要一个循环。

s='atg ttg tca aat tca tgg atc atg ttg tca aat tca tgg atc tag'
while [ "$s" ]; do
   s=$(grep -Eo "atg.*tag" <<< "$s")
   if [ "$s" ]; then
      echo "$s"
      s="${s#atg}"
   fi
done

【讨论】：