Question

我正在尝试更改“标题”中的列/字段。数千行长的DNA序列。具体来说，我想更改标题的第一个字段（compX_seqy），它始终以＆＃34;＆gt;＆＃34;开始：

前两个序列的一个例子：

 #cat example

 >comp0_seq1 444 [12:23]
 AGAGGACAC
 GATCCAACATA
 AGASCAC
 >comp0_seq2 333 [12:32:599:1]
 GTCGATC
 CYAACY
 CCCCA
 ...

我想添加一个＆＃34; A＆＃34;仅限于第一列的末尾，对于以＆＃34;＆gt;＆＃34;开头的所有行，

comp0_seq1A

然后打印该行的其余部分，然后打印下一行（序列），直到下一行＆＃34;＆gt;＆＃34;达到（并重复）。

我希望输出看起来像这样：

>comp0_seq1A 444 [12:23]
AGAGGACAC
GATCCAACATA
AGASCAC
>comp0_seq2A 333 [12:32:599:1]
GTCGATC
CYAACY
CCCCA
...

我先试了这个：

awk '$1=$1"A"' example

>comp0_seq1A 444 [12:23]
AGAGGACACA
GATCCAACATAA
AGASCACA
>comp0_seq2A 333 [12:32:599:1]
GTCGATCA
CYAACYA
CCCCAA
A
A

它在所有行的第一个字段中添加了A，所以不完全。

然后我尝试了这个，使用正则表达式只替换以＆＃34;＆gt;＆＃34;

开头的行

# awk '/^>/ {print $1=$1"A";getline;print $0}' example
>comp0_seq1A
AGAGGACAC
>comp0_seq2A
GTCGATC

但是只会在比赛结束后打印第一行。那么，如何在匹配/替换之后打印所有/任何行，直到下一个＆＃34;＆gt;＆＃34;？我尝试使用＆＃39; next＆＃39;但我想我不明白如何在这种情况下使用它。

有什么建议吗？我知道我很亲密，正在敲我的键盘。

Thx，LP。

Answer 1

你几乎得到了它。你只是用你的getline过度思考。

在awk中，以下内容应该有效：

$ awk '/^>/ {$1=$1"A"} 1' file.txt

这可以通过在与正则表达式^>匹配的所有行上的花括号中运行命令来实现。最后的1是awk简写，表示＆＃34;打印当前行＆＃34;。

替换的另一个选择就是使用sed：

$ sed '/^>/s/ /A /' file.txt

这可以通过搜索与相同正则表达式匹配的行，然后用字符串（/A /）替换第一个空格来实现。默认情况下，sed会打印每一行，因此无需显式打印。

或者如果你喜欢用第一个＆＃34;字段取代的东西＆＃34;而不是第一个＆＃34;字段分隔符＆＃34;，这可以工作：

$ sed 's/^\(>[^ ]*\)/\1A/' file.txt

默认情况下，sed正则表达式为＆＃34; BRE＆＃34;，因此需要对分组括号进行转义。 \1是对搜索正则表达式中第一个（在这种情况下为＃34;仅＆＃34;）括号内表达式的引用。