4 Bash 字符串处理
视频课见 http://bioinfo.ke.qq.com。
4.1 Bash特殊字符
- 通配符:
*: 匹配任何字符
**: 匹配任何字符串
*?: 匹配任何单个字符
- 集合运算符
用一些单个字、一个连续范围或断续的字符集合作为通配符
[a-z]: 用字符集合作通配符匹配单个字符, 如: [aeiou], [a-o], [A-Z], [0-9]
[!A-Za-z0-9]: 除了集合外的所有字符组成的集合作通配符
- 花括号展开式（可以嵌套）:
c{a{r,t,n}, b{r,t,n}}s 可以匹配cars cats cans cbrs cbts cbns
- 其它特殊字符:
(): 子shell运行；比如 (cd ehbio; mdkir ysx)进入ehbio目录，新建ysx文件夹，运行完之后还在当前目录。
': 强引用字符串, 不解释特殊字符
": 弱引用字符串, 解释所有特殊字符
;: 命令分隔符（命令终止符）, 运行在一行里执行多条命令;一般在终端直接写判断语句或执行for循环时用。
#: 行注释
$: 变量表达式，变量解析
&: 在后台执行命令，在for循环中也可用作命令分割符，取代done前面的;
4.2 Bash变量
- 自定义变量
用户自定义的变量由字母、数字和下划线组成, 并且变量名的第一个字符不能为数字, 且变量名大小写敏感。
varname=value 注意bash不能在等号两侧留空格
shell语言是非类型的解释型语言, 给一个变量赋值实际上就是定义了变量, 而且可以赋不同类型的值。引用变量有两种方式, $varname和${varname}, 为防止变量在字符串中产生歧义建议使用第二种方式, 引用未定义的变量其值为空。
ct@ehbio:~$ a="EHBIO"
ct@ehbio:~$ echo ${a}
EHBIO
ct@ehbio:~$ echo $a
EHBIO
#出错了
ct@ehbio:~$ echo $agood
#引用变量时大括号的作用
ct@ehbio:~$ echo ${a}good
EHBIOgood
ct@ehbio:~$ echo $a.good
EHBIO.good
#出错了
ct@ehbio:~$ echo $a_good
#引用变量时大括号的作用
ct@ehbio:~$ echo ${a}_good
EHBIO_good为了使变量可以在其它进程中使用, 需要将变量导出: export varname
- 环境变量
可以用set命令给变量赋值或查看环境变量值, 使用unset命令清除变量值, 使用export导出变量将可以使其它进程访问到该环境变量。可以把设置保存到.bashrc或.bash_profile中, 成为永久的环境变量。
环境变量不限于我们之前讲过的可执行程序的环境变量、动态库、Python模块的环境变量，任何变量都可以的。
- 位置变量
位置变量对应于命令行参数, 其中$0为脚本名称, $1为第一个参数, 依次类推, 参数超过9个必须使用${}引用变量。shell保留这些变量, 不允许用户以另外的方式定义它们, 传给脚本或函数的位置变量是局部和只读的, 而其余变量为全局的（可以用local关键字声明为局部）。
- 其它变量
$?: 保存前一个命令的返回码; 0为运行成功，常用来判断上一个程序的退出状态。
$$: 当前shell的进程号
$!: 上一个子进程的进程号
$#: 传给脚本或函数的参数个数, 即位置变量数减1(1代表脚本自身)
$*和$@: 传给脚本的所有参数(不包含脚本本身), 每个参数以$IFS分隔（一般内为空格, TAB, 换行）; 两者的不同点是引号括起来时，$*会被作为一个整体，$@还是单个的参数。
ct@ehbio:~$ cat ehbio_testParam.sh
#!/bin/bash
echo "EHBIO${IFS}great"
echo '$*'
echo -ne "\t";
echo $*
echo '$@'
echo -ne "\t";
echo $@
echo 'Each element in $*:'
for i in "$*"; do
echo -ne "\t";
echo $i;
done
echo 'Each element in $@:'
for i in "$@"; do
echo -ne "\t";
echo $i;
done
ct@ehbio:~$ bash ehbio_testParam.sh sheng xin bao dian
EHBIO
great
$*
sheng xin bao dian
$@
sheng xin bao dian
Each element in $*:
sheng xin bao dian
Each element in $@:
sheng
xin
bao
dian4.3 Bash操作符
- 字符串操作符（替换操作符）
${var:-word}: 如果var存在且不为空, 返回它的值, 否则返回word
${var:=word}: 如果var存在且不为空, 返回它的值, 否则将word赋给var, 返回它的值
${var:+word}: 如果var存在且不为空, 返回word, 否则返回空
${var:?message} 如果var存在且不为空, 返回它的值,
否则显示“-bash: var: message”, 然后退出当前命令或脚本
${var:offset[:length]} 从offset位置开始返回var的一个长为length的子串,
若没有length, 则默认到var串末尾
ct@ehbio:~$ echo ${var:?message}
-bash: var: message
ct@ehbio:~$ var='sheng xin bao dian'
ct@ehbio:~$ echo ${var:6:3}
xin
ct@ehbio:~$ echo ${var:?message}
sheng xin bao dian
ct@ehbio:~$ echo $?
0
ct@ehbio:~$ unset var
ct@ehbio:~$ echo ${var:?message}
-bash: var: message
ct@ehbio:~$ echo $?
1
ct@ehbio:~$ echo ${var:=ehbio}
ehbio
ct@ehbio:~$ echo ${var}
ehbio- 模式匹配操作符
${var#pattern} 从var头部开始, 删除和pattern匹配的最短模式串, 然后返回 剩余串
${var##pattern} 从var头部开始, 删除和pattern匹配的最长模式串, 然后返回 剩余串, basename path＝${path##*/}
${var%pattern} 从var尾部开始, 删除和pattern匹配的最短模式串, 然后返回 剩余串, dirname path＝${path%/*}
${var%%pattern} 从var尾部开始, 删除和pattern匹配的最长模式串, 然后返回 剩余串
${var/pattern/string} 用string替换var中和pattern匹配的最长模式串
个人最常用的是最后一个，常用于for循环中。
ct@ehbio:~$ var='sheng xin bao dian good'
ct@ehbio:~$ ${var/good/great}
-bash: sheng: command not found
ct@ehbio:~$ echo ${var/good/great}
sheng xin bao dian great比如获取fastq文件的名字部分
for i in `ls *_1.fq.gz`; do j=${i/_1.fq.gz/}; echo "$j"; done4.4 Shell中条件和test命令
Bash可以使用[ … ]结构或test命令测试复杂条件
格式: [ expression ] 或 test expression
返回一个代码, 表明条件为真还是为假, 返回0为真, 否则为假。
注: 左括号后和右括号前空格是必须的语法要求
- 文件测试操作符
-d file: file存在并且是一个目录
-e file: file存在
-f file: file存在并且是一个普通文件
-g file: file存在并且是SGID(设置组ID)文件
-r file: 对file有读权限
-s file: file存在并且不为空
-u file: file存在并且是SUID(设置用户ID)文件
-w file: 对file有写权限
-x file: 对file有执行权限, 如果是目录则有查找权限
-O file: 拥有file
-G file: 测试是否是file所属组的一个成员
-L file: file为符号链接
file1 –nt file2: file1比file2新
file1 –ot file2: file1比file2旧
举两个例子
ct@ehbio:~$ touch older
ct@ehbio:~$ touch newer
ct@ehbio:~$ if test -e older; then echo "older esists"; fi
older esists
ct@ehbio:~$ if test -s older; then echo "older is unempty"; fi
ct@ehbio:~$ if [ -s older ]; then echo "older is unempty"; fi
ct@ehbio:~$ if [ ! -s older ]; then echo "older is empty"; fi
older is empty
ct@ehbio:~$ if [ newer -nt older ]; then echo "newer"; fi
newer- 字符串操作符
str1=str2 str1和str2匹配
str1!=str2 str1和str2不匹配
str1>str2 str1大于str2
-n str str的长度大于0（不为空）
-z str str的长度为0（空串），常用于判断必须的命令行参数是否传入
# 字符串的大小比较的是最先遇到的不同的ASCII码的大小
ct@ehbio:~$ if test "10">"20"; then echo "10>20"; fi
10>20
ct@ehbio:~$ if test 10>20; then echo "10 < 20"; fi- 整数操作符
var1 –eq var2 var1等于var2
var1 –ne var2 var1不等于var2
var1 –ge var2 var1大于等于var2
var1 –gt var2 var1大于var2
var1 –le var2 var1小于等于var2
var1 –lt var2 var1小于var2
ge: great equal; gt: great than
需要注意的是常用的数学运算符给了字符串比较，数字比较使用的却是英文缩写
数学表达式也可以
if (( 3>2 )); then echo 'TRUE'; fi
TRUE- 逻辑操作符
!expr 对expr求反
expr1 && expr2 对expr1与expr2求逻辑与, 当expr1为假时不再执行expr2
expr1 || expr2 对expr1与expr2求逻辑或, 当expr1为真时不再执行expr2
4.5 Shell流控制
- 条件语句: if
if, then, elif, else, fi是关键词，其它的是需要替换掉的。
if conditions; then
do sth when conditions are true
elif another_conditions; then
do sth when another_conditions are true
else:
do sth when above condiitons are all false
fiif test $guanzhu_sxbd == "already"; then
echo "Enjoy it"
elif test $guanzhu_hjyz == "already"; then
echo "Enjoy it"
else
echo "Guan zhu them"
fi
Enjoy it- 确定性循环:
for do done常用的批量操作方式
遍历一个列表，取出每个元素，针对性操作。
for i in `ls *_1.fq.gz`; do
echo "$i";
done- 不确定性循环:
while和until
declare -i a #定义整数变量
a=1 # 初始化变量
while test $a -lt 3; do
echo $a
a=$a+1
done
echo $a- 选择结构:
case和select(类似getopts)
ct@ehbio:~$ cat select_case.sh
PS3="Input the position of selected parameter (1 for exit):"
select opts in a b c d
do
case $opts in
a)
exit 0;
;;
b)
echo " Parameters $opts"
;;
c)
echo " Parameters $opts"
;;
d)
echo " Parameters $opts"
;;
?)
echo "Unknown"
;;
esac
done
ct@ehbio:~$ bash select_case.sh
1) a
2) b
3) c
4) d
Input the position of selected parameter (1 for exit):2
Parameters b
Input the position of selected parameter (1 for exit):3
Parameters c
Input the position of selected parameter (1 for exit):4
Parameters d
Input the position of selected parameter (1 for exit):1
- 命令
shift
将存放在位置变量中的命令行参数依次向左传递shift n 命令行参数向左传递n个参数串
ct@ehbio:~$ cat ehbio_testParam.sh
#!/bin/bash
echo 'Each element in $*:'
for i in "$*"; do
echo -ne "\t";
echo $i;
done
echo $1
shift
for i in "$*"; do
echo -ne "\t";
echo $i;
done
ct@ehbio:~$ bash ehbio_testParam.sh sheng xin bao dian
Each element in $*:
sheng xin bao dian
sheng
xin bao dian4.6 Shell函数
function function_name () { function body}定义函数，函数参数的获取同命令行参数获取。
ct@ehbio:~$ cat test_func.sh
function show_ehbio () {
echo $@
echo $1
}
show_ehbio "EHBIO great" "SXBD great"
ct@ehbio:~$ bash test_func.sh
EHBIO great SXBD great
EHBIO great4.7 输入输出
- I/O重定向
管道、标准输入输出之前有过详细介绍。
<: 输入重定向
>: 输出重定向(没有文件则创建, 有则覆盖)
>>: 输出重定向(没有则创建, 有则追加到文件尾部)
<<: 输入重定向(here文档)
command << label
input…
label
说明: 使一个命令的输入为一段shell脚本(input…), 直到标号(label)结束 ftp: USER=anonymous
PASS=YC@163.com
#-i: 非交互模式 -n: 关闭自动登录
ftp –i –n << END
open ftp.163.com
user $USER $PASS
cd /pub
close
END
#END标记输入结束 - 字符串I/O操作
字符串输出: echo
命令选项: -e: 启动转义序列 -n: 取消输出后换行 (前面已经用到过)
- 字符串输入:
read可以用于用户交互输入, 也可以用来一次处理文本文件中的一行
命令选项:
ct@ehbio:~$ read -p "Enter the best tutorial: " tutorial
Enter the best tutorial: Sheng Xin Bao Dian
ct@ehbio:~$ echo $tutorial
Sheng Xin Bao Dian
# 隐藏输入内容
ct@ehbio:~$ read -s -p "Enter your password: " password
Enter your password:
ct@ehbio:~$ echo $password
haha4.8 命令行处理 命令行处理命令
getopts 有两个参数, 第一个为字母和冒号组成的选项列表字符串, 第二个为一个变量名
选项列表字符串以冒号开头的选项字母排列组成, 如果一选项需要一个参数则该选项字母后跟一个冒号
getopts分解第一参数, 依次将选项摘取出来赋给第二个参数变量
如果某选项有参数, 则读取参数到内置变量OPTARG中 内置变量OPTIND保存着将被处理的命令行参数（位置参数）的数值选项列表处理完毕getopts返回1, 否则返回0 如:
在我们推出的一步绘图脚本里面，就是使用Bash封装的R脚本，通过修改命令行参数，完成热图、柱状图、线图、Venn图、火山图、泡泡图等图形的绘制和定制。
while getopts "hf:m:a:A:b:I:t:x:l:j:J:d:F:G:H:P:L:y:V:D:c:C:B:X:Y:R:w:u:r:o:O:s:S:p:z:Z:v:e:E:i:" OPTION
do
case $OPTION in
h)
usage
exit 1
;;
f)
file=$OPTARG
;;
m)
melted=$OPTARG
;;
.
.
.
?)
usage
exit 1
;;
esac
done 4.9 进程和作业控制
命令行运行监测和软件安装文中讲述了部分监测命令。
如果一个命令需要运行比较久，一般使用nohup cmmand &来放入后台不中断运行，这样推出终端也不影响程序。
command &是把程序放入后台。
jobs: 查看后台进程
bg: 显示后台进程, 即用Ctrl+z挂起或‘命令 &’执行的进程
fg job_id: 将后台进程转到前台执行
kill –9 process_id: 强制杀掉某个进程