Discussion :

[RTK45]

Bonjour à tous,

j'essaie de parser un fichier avec grep, je voudrais récupérer toutes les lignes de mon fichier où la valeur "DP" est superieure ou égale à 10. Voici un exemple de ligne (elles sont toutes de cette forme):

chr1 368 . A T 14.2 . DP=3;AF1=0.5;AC1=1;DP4=0,1,0,2;MQ=42;FQ=15.4;PV4=1,0.31,0,0.33 GTL:GQ 0/1:44,0,47:45

DP est donc dans la colonne 8, j'ai commencé par faire ça :

grep "DP=10\|DP=11\|DP=12\|DP=13\|DP=14\|DP=15" input.txt > output.txt


ça fonctionnne mais c'est assez... moche (et les valeurs peuvent monter très haut...).

Y a t'il un moyen de faire un test avec grep (si valeur > 10 alors je récupère ma ligne) ou dois je passer par awk ? (que je ne maitrise pas).

Merci à vous.

[zipe31]

Salut,

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

grep 'DP=[1-9][0-9][0-9]*'

Devrait faire l'affaire

[RTK45]

Salut zipe31,

merci pour ta réponse ça fonctionne

Pourrais tu m'expliquer rapidement comment ça fonctionne ? je n'arrive pas à adapter cette expression régulière, par exemple si je veux toutes les valeurs de DP > 4.


EDIT : autant pour moi :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

 grep 'DP=[4-9][0-9]*'

[zipe31]

Pourrais tu m'expliquer rapidement comment ça fonctionne ? je n'arrive pas à adapter cette expression régulière, par exemple si je veux toutes les valeurs de DP > 4.
EDIT : autant pour moi :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

 grep 'DP=[4-9][0-9]*'

Euh... non, ça ne marchera pas

La solution donnée ne peut marcher qu'avec ta 1ère clause, supérieur à 10.

Effectivement, on recherche donc un nombre commençant par un chiffre compris entre 1 et 9, ([1-9], suivi par un chiffre compris entre 0 et 9 ([0-9]) lui même suivi d'aucun, un ou plusieurs chiffres ([0-9]*).

Par contre ta solution [4-9][0-9]* elle recherchera un nombre commençant par un chiffre entre 4 et 9 suivi (ou pas) d'un autre chiffre compris entre 0 et 9.
Donc 4, 5, 8, 40, 43, 55, 99, seront trouvés, mais pas 10, 15, 25, 32, 39, etc.

[jack-ft]

Salut,

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

grep 'DP=[1-9][0-9][0-9]*'

Devrait faire l'affaire

Je dirais même plus (ou moins):

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

grep 'DP=[1-9][0-9]'

devrait suffire

[EDIT] J'aime bien le "lui même suivi d'aucun, un ou plusieurs chiffres ([0-9]*)"
ça en fait des cas!!!
[/EDIT]

Salut zipe31,

merci pour ta réponse ça fonctionne
Pourrais tu m'expliquer rapidement comment ça fonctionne ?

ça veut juste dire que si on trouve un D suivi d'un P, suivi d'un =, suivi d'un chiffre non nul, suivi d'un chiffre éventuellement nul, c'est gagné!

je n'arrive pas à adapter cette expression régulière, par exemple si je veux toutes les valeurs de DP > 4.

EDIT : autant pour moi :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

 grep 'DP=[4-9][0-9]*'

Attention! Tu loupes tous les nombres supérieurs ou égaux à 10 commençant par 1 2 ou 3, c'est-à-dire (tu peux vérifier!): 10 à 39, mais aussi 100 à 399, 1000 à 3999, etc.

Je dirais plutôt:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

egrep 'DP=([4-9]|[1-3][0-9])'

[zipe31]

Je dirais même plus (ou moins):

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

grep 'DP=[1-9][0-9]'

devrait suffire

Ben non
Je cite notre ami :

ça fonctionnne mais c'est assez... moche (et les valeurs peuvent monter très haut...).

D'où le plus

[EDIT] J'aime bien le "lui même suivi d'aucun, un ou plusieurs chiffres ([0-9]*)"
ça en fait des cas!!!
[/EDIT]

Vi, ben des fois c'est pas facile d'exprimer ces satanés regex de #!?%@

Je dirais plutôt:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

egrep 'DP=([4-9]|[1-3][0-9])'

Bien vu

[RTK45]

Oula oui en effet je n'avais pas vérifié mes résultats en détail je suis passé à coté de plein de valeurs

C'est bien plus clair maintenant avec vos explications, merci à vous

[jack-ft]

Juste pour clarifier ce que j'ai dit plus haut, si tu veux la ligne complète, alors ces 2 commandes (sans option -o) retournent TOUJOURS exactement le même résultat:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
egrep 'DP=[1-9][0-9][0-9]*'
egrep 'DP=[1-9][0-9]'

Je défie quiconque de trouver le moindre exemple qui mettrait en évidence une quelconque différence! (avec un prix d'un million de dollars? )

Si tu veux isoler juste la valeur de DP, obtenue en utilisant l'option -o de grep, alors il faut absolument matcher la valeur complète:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

egrep -o 'DP=[1-9][0-9][0-9]*'