awk学习笔记（一）

1. 问题引入

现阶段提取文本记录或字段时，用awk比较多，同时也多和grep, 管道等一起使用。比如，我要提取call variation之后文件中表示SNP记录的1,2,4,5列。

1.1 说明

：返回这一行第四个元素的长度

：管道，将前面的标准输出作为后面命令的标准输入

-S：取消自动换行

-x 16：表示一个字段的宽度

“^#”：表示正则表达式，匹配以#开头的行

-v：表示不能匹配上的

2. awk的基本用法

awk [ -F “fs“ ] [ -v var=value … ] ‘program’

awk总是一行一行来处理，这一点类似grep, sed

注意这几个地方：

标量变量的定义与初始化中，变量名称前面没有使用$；

短程序中，执行语句与执行语句之间用";"分隔；

判断条件，可以是if语句，放在主{}里面，位于’{ (xxx)}’；也可以是正则表达式或是等式，不等式，直接放在’短程序’中，如’ { xxx }’；

’短程序’中可以加上BEGIN, END模式，分别位于最前和最后。BEGIN用来处理初始化内容，只执行一次。END在所有输入数据处理完之后执行一次；

比如，上面命令中短程序部分改为：

（注意到了吗，使用标量变量var时也没有加$。var = "SNP"也可以跟在”awk”后面，用-v选项引出来。）

2.1 字符串比较运算符

==, !=, , >=

字符串的大小比较为真的前提是一个字符串为另一个字符串的子串，比如“ABC” 连接操作符

两个相邻的字符串会自动连接，这和Perl中的点号”.”连接字符串有区别。

字符串函数

length(x)返回字符串的长度

substr(str, start, len)提取字符串，编号从1开始

tolower(x), toupper(x)返回大小写转换后的字符串

index(str, find)查找字符串，找到返回下标，找不到返回0

sub/gsub(正则表达式, 替换文本, 目标文本)替换字符串，不过返回值是替换的次数，gsub表示全局替换

2.2 数值数值运算符（和其他编程语言是一样的）

数值函数

int(x)返回整数部分

exp(x)返回e的x次幂

log(x)返回x的自然对数

sqrt(x)返回x的平方

2.3 字符串与数字的转换

n=123; s=””123数字转字符串

s=”123”; n=0+s字符串转数字

2.4 常用的内部变量

FILENAME: 当前输入文件的名称，当awk前面使用管道是，为”-”;

FNR: 当前输入文件的记录数;

FS: 字段分隔符

超过一个字符时，视为正则表达式；

默认是空格，但其实制表符也能同样识别；

当分隔符设定为空字符串时，会拆散字符串；

和-F选项作用一样;

NF: 当前记录的字段数;

NR: 在工作中的记录数；放在短程序中相同位置的话，好像和FNR是差不多的，比如放在主{}中表示当前是第几行记录

OFS: 输出字段分隔字符（默认是空格）;

ORS: 输出记录分隔字符（默认是换行符），用法和上面类似。