0

大家好！

这个问题源自这里的前一个问题，但代表它本身。

我正在使用agrep在大型 DNA 文本文件中搜索具有 2 个允许不匹配的字符串，该文件仅具有来自先前 agrep 搜索的具有相同设置的行。所以每一行都应该包含一个匹配项！我假设agrep每行搜索一次......

问题：_

wc -l temp_R1_GCTCTTCCGATCT_M2.txt-> 9583行

agrep -2 -c 'GCTCTTCCGATCT' temp_R1_GCTCTTCCGATCT_M2.txt-> 9570。

agrep -2 'GCTCTTCCGATCT' temp_R1_GCTCTTCCGATCT_M2.txt | wc -l-> 9566。

-d '$'应该是标准 -.-
agrep -2 -c -d '$' 'GCTCTTCCGATCT' temp_R1_GCTCTTCCGATCT_M2.txt-> 9580

更奇怪的是：
agrep -2 -c 'GCTC' temp_R1_GCTCTTCCGATCT_M2.txt-> 9662（比所有行都多？）
agrep -2 -d '$' -c 'GCTC' temp_R1_GCTCTTCCGATCT_M2.txt-> 9609

数据：Googledrive：.txt 文件 ZIP 文件

一个可能的答案来自man agrep：

以下可能导致无限循环：agrep 模式 * > output_file。如果匹配的数量很高，它们可能会在 output_file 被完全读取之前存放在 output_file 中，从而导致 output_file 中的模式匹配更多（匹配针对整个目录）。目前尚不清楚这是否是一个“错误”（grep 也会这样做），但请注意。

我用不同的文件对此进行了测试。有时它确实有效，但在大多数情况下，我无法理解这是如何发生的。这-d '$'是非常恼人的。

最后，我将使用不同的方法进行模糊搜索，但这并不能让我入睡。到底是怎么回事？我可以完全信任agrep吗？

4

0 回答 0