根据存在的字符在linux中拆分文件

Question

我试图在论坛上找到这个问题的解决方案，但是无法理解某些解决方案。

我正在使用DNA数据，我有2个文件。 第一个文件（a）是包含所有序列标题的文件。 （姓名等） 每个标题都有自己的行。 例如：

>title1
>title2
>title3
>some other title

第二个文件（b）包含这些标题的内容。 每行对应第一个文件。

GAGTTGGAAAGAG
GCTGCCCTGAGATCGTNNNN
GTGCAGTGATNNAGTG
ACTG

我正在制作一个搜索序列中未知字母的程序。 通常你会认为文件2只有字符A C T＆amp; G在里面。

我想制作2个文件：

• 包含标题+序列（第一个标签=标题，第二个标签=序列）的文件，其条目仅包含A C T和G
• 同时包含标题+序列（第一个标签=标题，第二个标签=序列）的文件，这次我们只有包含其他字母的条目。 （例如N）

到目前为止我试过这个：

while read line; do
    echo "$line" | tr -d "A" | tr -d "C" | tr -d "T" | tr -d "G" | tr -d "\n" | wc -c
done <sequenceOnly.txt >unkownLines.txt

计算（b）文件中出现未知字符的频率。 如果这个值大于0，我想用这行把header + sequence放在unknownLines.txt文件中，但是我被卡住了：/

预期输出文件1（仅限ACTG）：

>title1             GAGTTGGAAAGAG
>some other title   ACTG

预期输出文件2（还有其他内容）：

>title2            GCTGCCCTGAGATCGTNNNN
>title3            GTGCAGTGATNNAGTG

Answer 1

首先，将数据与粘贴放在一起，然后用awk分开：

paste header sequence | 
    awk '$NF ~ /^[ACTG]*$/ {print > "file1"; next }1'  > file2

粘贴将数据分为两列，awk检查最后一列是否只包含字母ACTG。如果是，则将该行写入文件file1。 （也将打印空序列。）如果不是，则该行将写入file2。