Question

我有一个文件夹，里面的文件名是这样的：

"Code1_B1_1.1.fq.gz"
"Code1_B1_2.2.fq.gz"
"Code1_B2_1.1.fq.gz"
"Code1_B2_2.2.fq.gz"
...
"Code5_B1_1.1.fq.gz"
"Code5_B1_2.2.fq.gz"
"Code5_B2_1.1.fq.gz"
...
...

等

这些是DNA序列。我想根据代码编号和扩展名连接这些文件。因此，例如，我的文件“Code1_B1_1.1.fq.gz”和“Code1_B2_1.1.fq.gz”将合并为一个“Code1_both_1.1.fq.gz”。

使用bash（作为新手），我发现了如何列出我需要连接的文件，例如：

ls | grep -E "Code1.*.1.1.fq.gz"

但是我怎样才能将它们连接起来？我想简单地使用命令-cat并将输出保存到新文件中，但是如何检索我能够用-ls列出的文件？

...最后，我想从Python脚本中执行整个操作，根据我的两个条件（代码和扩展名）自动合并我的所有文件。:)

提前感谢您的帮助！

Chrys

Answer 1

ls输出供人类使用，而不是程序化消费;见Why you shouldn't parse the output of ls。

而是使用glob expression形成文件名列表：

zcat Code1*1.1.fq.gz >outfile

...或...

gunzip -c Code1*1.1.fq.gz >outfile

如果由于某种原因需要引用此名称的部分内容，只要您不引用*（或任何其他glob-expression），您就可以这样做元字符）：

gunzip -c "Code1"*"1.1.fq.gz"

请注意，glob表达式与正则表达式略有不同：在正则表达式中，.是一个特殊字符 - 因此grep -E "Code1.*.1.1.fq.gz"也会将Code1AB1C1DfqEgz与有效名称匹配，因为每个并且表达式中的每个.都以这种方式处理。在globs中，.并不特殊，*意味着零或多任何东西（而不是最后一个零或更多）

Answer 2

尝试列出所有文件，然后grep查找所需的文件并将其存储在文件中。

ls -ltra | egrep -e'Code1_B1_1.1.fq.gz | Code1_B1_2.2.fq.gz | Code1_B2_1.1.fq.gz | Code1_B2_2.2.fq.gz'＆gt;文件名

OR

ls | zip - @ m filename.zip

通过-cat从Python脚本连接文件

2 个答案: