Question

我想在>内的所有>{filename}个文件中替换所有标题（以*.fasta开头）directory，然后将它们连接起来

我的directory

的内容

speciesA.fasta
speciesB.fasta
speciesC.fasta

文件示例speciesA.fasta

>protein1 description
MJSUNDKFJSKFJSKFJ
>protein2 anothername
KEFJKSDJFKSDJFKSJFLSJDFLKSJF
>protein3 somewordshere
KSDAFJLASDJFKLAJFL

我想要的输出（仅适用于speciesA.fasta）：

>speciesA
MJSUNDKFJSKFJSKFJ
>speciesA
KEFJKSDJFKSDJFKSJFLSJDFLKSJF
>speciesA
KSDAFJLASDJFKLAJFL

这是我的代码：

for file in *.fasta; do var=$(basename $file .fasta) | sed 's/>.*/>$var/' $var.fasta >>$var.outfile.fasta; done

但我得到的只是

>$var
MJSUNDKFJSKFJSKFJ
>$var
KEFJKSDJFKSDJFKSJFLSJDFLKSJF

[and so on ...]

我在哪里弄错了？

Answer 1

bash循环是多余的。尝试：

awk '/^>/{print ">" substr(FILENAME,1,length(FILENAME)-6); next} 1' *.fasta

即使文件名包含特殊字符或正则字符活动字符，此方法也是安全的。

如何运作

/^>/ {print ">" substr(FILENAME, 1, length(FILENAME)-6); next}

对于任何以>开头的行，将执行花括号中的命令。第一个命令打印>，后跟文件名的最后6个字母。第二个命令next会跳过该行的其余命令，并跳转到next行重新开始。
1

这是awk用于打印线的神秘简写。

实施例

让我们考虑一个包含两个（相同）测试文件的目录：

$ cat speciesA.fasta
>protein1 description
MJSUNDKFJSKFJSKFJ
>protein2 anothername
KEFJKSDJFKSDJFKSJFLSJDFLKSJF
>protein3 somewordshere
KSDAFJLASDJFKLAJFL
$ cat speciesB.fasta
>protein1 description
MJSUNDKFJSKFJSKFJ
>protein2 anothername
KEFJKSDJFKSDJFKSJFLSJDFLKSJF
>protein3 somewordshere
KSDAFJLASDJFKLAJFL

我们命令的输出是：

$ awk '/^>/{print ">" substr(FILENAME,1,length(FILENAME)-6); next} 1' *.fasta
>speciesA
MJSUNDKFJSKFJSKFJ
>speciesA
KEFJKSDJFKSDJFKSJFLSJDFLKSJF
>speciesA
KSDAFJLASDJFKLAJFL
>speciesB
MJSUNDKFJSKFJSKFJ
>speciesB
KEFJKSDJFKSDJFKSJFLSJDFLKSJF
>speciesB
KSDAFJLASDJFKLAJFL

输出具有替换并连接所有输入文件。

Answer 2

在sed中，您需要使用双引号进行变量扩展。否则，它们将被视为文字文本。

for file in *.fasta;
   do
       sed -i "s/>.*/${file%%.*}/" "$file" ;
done

fasta文件：用文件名

2 个答案:

如何运作

实施例