怎么將分成一個個小區(qū)段然后找到某字符重復(fù)數(shù)大于3次的區(qū)段

hechao7021

原始文件是這樣的（以空格為分隔符）：
1 1509 - 0 13 CHH CTC U U U U 244
1 1511 + 0 5 CHH CAA U U U U 245
1 1517 - 0 14 CHH CTT U U U U 246
1 1521 + 1 4 CHH CAA U M U M 247
1 1559 + 1 5 CHH CCC M U U M 263
1 1560 + 1 5 CHH CCA U U U U 264
1 1561 + 3 4 CHH CAT M M U M 265
1 1564 - 0 18 CHH CAT U U U M 266
1 1566 + 0 8 CHH CTC U U U U 267
1 1726 + 2 0 CHH CCC U M U U 373
1 1727 + 0 2 CHH CCA U U U U 374
1 1728 + 0 2 CHH CAC U M U M 375
1 1730 + 2 0 CHH CAA U M U M 376
1 1733 + 0 2 CHH CTC U U U U 377
1 1735 + 0 2 CHH CAA U U U M 378
1 1738 - 0 5 CHH CTT U U U M 379
1 1743 - 0 4 CHH CAC U U U U 382
1 1746 - 1 3 CHH CAA U U U U 383
1 1747 + 0 1 CHH CCA U U U U 384
1 1748 + 0 1 CHH CAC U M U U 385
1 1750 + 1 0 CHH CTA N M U M 386
1 1775 - 1 1 CHH CTC U M U U 399
1 1776 - 0 2 CHH CCT N U U U 400
1 1777 - 0 2 CHH CCC U U U U 401
1 1778 + 0 1 CHH CAA U U U U 402
希望得到的結(jié)果：把最后一列($12)是連續(xù)的數(shù)字作為一個區(qū)段，如果這個區(qū)段里倒數(shù)第二列（$11）字符‘M’出現(xiàn)次數(shù)大于3次，則輸出這一區(qū)段，否則跳過不輸出。
結(jié)果：1 1559 + 1 5 CHH CCC M U U M 263
1 1560 + 1 5 CHH CCA U U U U 264
1 1561 + 3 4 CHH CAT M M U M 265
1 1564 - 0 18 CHH CAT U U U M 266
1 1566 + 0 8 CHH CTC U U U U 267

1 1726 + 2 0 CHH CCC U M U U 373
1 1727 + 0 2 CHH CCA U U U U 374
1 1728 + 0 2 CHH CAC U M U M 375
1 1730 + 2 0 CHH CAA U M U M 376
1 1733 + 0 2 CHH CTC U U U U 377
1 1735 + 0 2 CHH CAA U U U M 378
1 1738 - 0 5 CHH CTT U U U M 379

cfwyy

沒能看懂你的意思- -
一列不是最多一個字符 M 嗎？ 怎么叫出現(xiàn)次數(shù)大于3次？你的結(jié)果  也只是有一行有3個M啊。

hechao7021

不好意思，沒表達(dá)清楚，我的意思是每個區(qū)段的所有行第11列至少重復(fù)3次

hechao7021

不好意思，沒表達(dá)清楚，我的意思是每個區(qū)段的所有行第11列至少重復(fù)3次

hechao7021

不好意思，沒表達(dá)清楚，我的意思是每個區(qū)段的所有行第11列至少重復(fù)3次

1cpuer

#,; PWD=/mnt/i/je-d/sou-d :=12628=: # 2019-01-31 23:07:05 1548947225
#.: awk '{a[$0]++}$0 ~ /[M|N]/{for(j in a)if(a[$11]>3);print a[j],$0}' file | nl
     1  1  1 1521 + 1 4 CHH CAA U M U M 247
     2  1  1 1559 + 1 5 CHH CCC M U U M 263
     3  1  1 1561 + 3 4 CHH CAT M M U M 265
     4  1  1 1564 - 0 18 CHH CAT U U U M 266
     5  1  1 1726 + 2 0 CHH CCC U M U U 373
     6  1  1 1728 + 0 2 CHH CAC U M U M 375
     7  1  1 1730 + 2 0 CHH CAA U M U M 376
     8  1  1 1735 + 0 2 CHH CAA U U U M 378
     9  1  1 1738 - 0 5 CHH CTT U U U M 379
    10  1  1 1748 + 0 1 CHH CAC U M U U 385
    11  1  1 1750 + 1 0 CHH CTA N M U M 386
    12  1  1 1775 - 1 1 CHH CTC U M U U 399
    13  1  1 1776 - 0 2 CHH CCT N U U U 400

#,; PWD=/mnt/i/je-d/sou-d :=12630=: # 2019-01-31 23:09:52 1548947392
#.: awk '{a[$0]++}$11 ~ /[M|N]/{for(j in a)if(a[$11]>3);print $0}' file
1 1521 + 1 4 CHH CAA U M U M 247
1 1559 + 1 5 CHH CCC M U U M 263
1 1561 + 3 4 CHH CAT M M U M 265
1 1564 - 0 18 CHH CAT U U U M 266
1 1728 + 0 2 CHH CAC U M U M 375
1 1730 + 2 0 CHH CAA U M U M 376
1 1735 + 0 2 CHH CAA U U U M 378
1 1738 - 0 5 CHH CTT U U U M 379
1 1750 + 1 0 CHH CTA N M U M 386

cfwyy

看了半天總算明白樓主的意思了- -。
還是用awk，寫了個相對直接的算法，可能有點(diǎn)啰嗦，沒考慮效率，樓主給的數(shù)據(jù)測試通過。
awk腳本：test.awk

1. {
   
2.     if (saveLine)
   
3.     {
   
4.         res[i++]=saveLine
   
5.         split(saveLine,t)
   
6.         currentNum=t[12]
   
7.         a[t[11]]++              #計M數(shù)
   
8.         nextNum=$12
   
9.         if (nextNum!=currentNum+1)
   
10.         {
    
11.             saveLine=$0         #不連續(xù)，保存當(dāng)前行
    
12.             delete res          #不連續(xù)，保存的前一行可以刪除了
    
13.             a["M"]=0
    
14.             next                #跳過后面代碼，awk循環(huán)控制讀入下一行
    
15.         }
    
16.     }
    
17. 
    
18.     #連續(xù)數(shù)字的行
    
19.     do
    
20.     {
    
21.         currentNum=$12
    
22.         res[i++]=$0             #存儲連續(xù)的結(jié)果
    
23.         a[$11]++                #計M數(shù)
    
24.         if (getline)
    
25.             nextNum=$12
    
26.         else                    #已經(jīng)是最后一行了，退出循環(huán)
    
27.             break
    
28.     } while (nextNum==currentNum+1)
    
29. 
    
30.     #print "M:" a["M"]
    
31.     if (a["M"]>=3)
    
32.     {
    
33.         for (var in res)
    
34.             print res[var]
    
35.     }
    
36. 
    
37.     saveLine = $0               #已讀進(jìn)來的這行不連續(xù)，需要保存，供下次用
    
38.     delete res                  #清除存儲的結(jié)果
    
39.     a["M"]=0                    #M數(shù)清0
    
40.     #                           awk 循環(huán)控制讀入下一行
    
41. }

復(fù)制代碼

運(yùn)行：

1. awk -f test.awk file.txt

復(fù)制代碼

結(jié)果：

1. 1 1559 + 1 5 CHH CCC M U U M 263
   
2. 1 1560 + 1 5 CHH CCA U U U U 264
   
3. 1 1561 + 3 4 CHH CAT M M U M 265
   
4. 1 1564 - 0 18 CHH CAT U U U M 266
   
5. 1 1566 + 0 8 CHH CTC U U U U 267
   
6. 1 1726 + 2 0 CHH CCC U M U U 373
   
7. 1 1727 + 0 2 CHH CCA U U U U 374
   
8. 1 1728 + 0 2 CHH CAC U M U M 375
   
9. 1 1730 + 2 0 CHH CAA U M U M 376
   
10. 1 1733 + 0 2 CHH CTC U U U U 377
    
11. 1 1735 + 0 2 CHH CAA U U U M 378
    
12. 1 1738 - 0 5 CHH CTT U U U M 379
    

復(fù)制代碼

csccyab

我就是看了很多次也不明白，所以放棄

expert1

1. awk 'NR==1{ start =$12;  temp =$0; count=0 }NR>1{
   
2. 
   
3.    if($12 == start + 1) {
   
4. 
   
5.                    if ($11 == "M") count++ ;
   
6. 
   
7.                    temp = temp"\n"$0; start=$12
   
8. 
   
9. 
   
10.    }else {

復(fù)制代碼

expert1

論壇很很慢啊，唉，也快到掛的感覺。