Recherche avec grep

Bonjour,

Effectivement, il manque deux lignes car

grep

cherche de manière gloutonne, et les deux lignes manquantes sont recouvertes par les deux lignes affichées par

grep

. Je n'ai pas vu d'option dans grep qui permettent de changer ce comportement mais tu peux vérifier dans

man grep

.

Le problème que tu soulèves est traité dans cette discussion avec d'autres outils comme

awk

ou

python

.

Ton problème ne nécessite pas d'expression rationnelle, donc on peut s'en sortir en énumérant tous les slices de 10 caractères tels que le 2nd et le 3ème caractères sont

GG

, ce qui donne :

data.txt

ACGGGACAGTGGTGACGCGGATCGACT

toto.py

#!/usr/bin/env python3
# -*- coding: utf-8 -*-

import sys     

def find_occurrences(s):
    return (
        s[i:i+10]
        for i in range(len(s))
        if s[i:i+10][1:3] == "GG"
    )

with open(sys.argv[1]) as f:
    for line in f.readlines(): 
        line = line.strip()
        print("\n".join(
            occurence
            for occurence in find_occurrences(line)
        ))

Quelques explications :

• en Python,

  s[i:j]

  la sous-chaîne de

  s

  allant de l'index

  i

  (inclu) à l'index

  j

  (exclu) (on parle de slicing) ;

• s[i:i+10]

  permet donc d'extraire les 10 caractères glissants de

  s

  en partant de l'index

  i

  ;
• par rapport à ton critère de filtrage, on veut contrôler le second et le troisième caractères sont "GG", et comme les caractères sont indexés à partir de 0, cela correspond au slice

  [1:3]

  , soit au final

  s[i:i+10][1:3]

  ;
• la fonction

  find_occurrences

  retourne un itérateur sur une chaîne

  s

  arbitraire (en l'occurrence,

  ACGGGACAGTGGTGACGCGGATCGACT

  ) de sorte à extraire les slices de taille 10 dont second et le troisième caractères sont "GG" ;
• cette fonction est appelée pour chaque ligne du fichier

  data.txt

  (le chemin vers le fichier est récupéré en paramètre du programme via

  sys.argv[1]

  ) ; les résultats sont concaténés par le caractère

  "\n"

  (retour à la ligne) de sorte à afficher un résultat par ligne ;
• si tu n'es pas familier de Python et un peu surpris par la position des

  for

  ), c'est parce qu'on utilise un concept propre à python (voir les listes de compréhensions).

Résultat

(mando@silk) (~) $ python3 toto.py data.txt
CGGGACAGTG
GGGACAGTGG
TGGTGACGCG
CGGATCGACT

Bonne chance

Bonjour Mamiemando,

Merci pour ta réponse rapide, j'ai effectivement regardé dans le

man

de

grep

, je n'ai rien trouvé. J'ai essayé avec

awk

combiné avec

sed

rien non plus. je vais essayer ton script en python et reviens vers toi.

hello

$ awk -F ""  '{for (x=1; x<=NF; x++)if ($x=="G" && $(x+1)=="G"){printf $(x-1)$x; for (n=1;n<9;n++)printf $(x+n); print ""}}' data.txt
CGGGACAGTG
GGGACAGTGG
TGGTGACGCG
CGGATCGACT

Bonjour Dubcek,

effectivement, ca fonctionne aussi, merci beaucoup.
Merci à tous les deux pour votre aide.

plus court

$ awk '{for (x=1; x<=length(); x++)if (substr($0, x, 2)=="GG")print substr($0, x-1, 10)}' data.txt
CGGGACAGTG
GGGACAGTGG
TGGTGACGCG
CGGATCGACT