从文件中重复选择特定行

Question

我有一个包含 20736 行的文件。每 81 行代表分子原子的坐标。所以我有 256 个分子的总坐标。 现在我想为每个分子的特定部分选择坐标。例如，在 81 行中，我只想从每个分子中选择第 44 行到第 81 行，直到所有 256 个分子。

为了解释更多细节，我想选择行

44-81 from 1-81 lines
126-163 from 82-163 lines
208-245 from 164-245 lines
290-327 from 246-327 lines
and so on until 20736 lines

为了实现这一点，我尝试了如下 bash 脚本：

#!/bin/bash           

while read line           
do           
echo "$line"           

done < malto-thermo-RT.set30.traj.pdbL1 

但我不确定如何继续执行循环以从文件的每 81 行中仅选择第 44 行到第 81 行。

感谢我得到一些帮助。

如果可以的话，我也希望在 python、awk 和 perl 中获得解决方案以用于学习目的。

非常感谢。

Answer 1

m % n（在许多编程语言中）是“模”运算符：在从m 中删除所有可能的最大整数倍 n 之后剩下的余数。

您要打印的行是行号模 81 至少为 43 的行。（如果将第一行计为第 0 行，这会更好；进行调整意味着您希望行编号为 43-80 ; 124-161; 205-242 等（我认为 OP 有一个小的算术错误，但这可能是一个解释错误。这里的顺序是基于 81 行的节，正如 OP 所说，而不是 82 行正如这个例子似乎表明的那样）。

所以，在 awk 中：

awk  '(NR-1)%81 >= 43' 

这是基于 awk 的默认操作，即 {print}，所以我不必提供。

编辑：如果 OP 中提供的示例范围是正确的（例如，如果有一个空行分隔 81 行小节，它们就是正确的，那么可以将其更改为：

awk 'NR%82>43'

Answer 2

perl -ne '
  BEGIN{ ($f,$t)=(44,81) }
  ($.==$f .. $.==$t) =~ /(E0|.)$/ or next;
  print;
  $1 eq "E0" or next;
  $_ += 82 for $f,$t;
' file

Answer 3

这是我使用 bash 的天真、非惯用的破解它：

#!/bin/bash
file=/tmp/file
segment_size=81
select_offset=44
select_size=37

start_line=$select_offset
end_line=$(($start_line + $select_size))

i=0
while read line
do
    i=$(($i + 1))
    if [ $i -ge $start_line ]; then

        [ $i -eq $start_line ] && [ $i != 1 ] && echo -e "\n-------------------\n"

        if [ $i -le $end_line ]; then
            echo "$line"

            if [ $i -eq $end_line ]; then
                start_line=$(($start_line + $segment_size + 1))
                end_line=$(($start_line + $select_size))
            fi
        fi
    fi
done < $file

Bash 肯定不是我的强项 :\ :\ 似乎也可以！

Answer 4

rici 使用模数运算符的想法是正确的，但随着记录的增加，他的解决方案逐渐变得不同步，如下所示：

$ seq 350 | awk  '(NR-1)%81==43{printf "%i",$0} (NR-1)%81==80{print " -",$0}' 
44 - 81                         # In sync
125 - 162                       # Out of sync by 1 
206 - 243                       # Out of sync by 2 
287 - 324                       # Out of sync by 3 

要打印您要求的行，您可以：

$ awk 'NR%82>43' file

打印的范围是：

$ seq 350 | awk  'NR%82==44{printf "%i",$0} NR%82==81{print " -",$0}'
44 - 81
126 - 163
208 - 245
290 - 327

测试自己：

$ seq 350 | awk  'NR%82>43'

Answer 5

使用@rici 的模数思想的简单 perl：

perl -ne 'print if $.%82>43' file

Answer 6

已编辑由于 SO 问题的错误。

使用模数无疑是最好的方法。 @rici 添加了这个 SO question 中的原始想法！

不幸的是，SO 问题是错误的：...从 82-163 行（包括），而不是 ...从 164-245 行，我数 82 行，而不是 81。

首先，我只想提供我的 bash + sed 替代解决方案。

但现在更正了，为了更好地匹配 SO 问题，这可能有助于显示错误在哪里：

sed -nf <(for ((i=0;i<20736;i+=82));do echo $((i+44)),$(($i+81))p;done ) < file

bash 生成 sed 命令并由 sed 完成工作。

拆分解释

bash 部分：

for ((i=0;i<20736;i+=82)) ;do
    echo $((i+44)),$(($i+81))p
  done

做

44,81p
126,163p
208,245p
290,327p
...
20544,20581p
20626,20663p
20708,20745p

( 注意： 这与 SO 问题样本完全匹配，但不要以 20736 结尾！！

   echo $((20746000/82))
   253000

如果它代表分子，则只有 252 个完整的分子，在 20736 行中。 )

所以sed 脚本可以写成：

sed -ne '44,81p;126,163p;208,245p;290,327p;...;20626,20663p;20708,20745p' <file

Answer 7

使用awk，你可以这样做

awk '
    {
    if (NR<=t) 
        {
        for (l=t-37;l<=t;l++) 
            printf "%s ",$l
        }
    if (NR==t)
        {
        t+=82
        }
    } ' t=81 file

Answer 8

你的问题陈述很好，但你没有努力。检查 head 和 tail 命令的组合以及如何将参数传递给脚本可以帮助您实现所需的目标。

http://www.ss64.com/bash/head.html
http://www.ss64.com/bash/tail.html

例如，

$ cat file
line1
line2
line3
line4
line5
line6
line7
line8
line9
line10

在本例中，我们可以使用以下命令打印第 3 到第 7 行：

$ head -7 file | tail -5
line3
line4
line5
line6
line7