主页 / unix / 问题 / 667758
Accepted
Kumar
Asked: 2021-09-06 05:44:40 +0800 CST

如何打印文件名和fasta序列总数？

  • 772

我有一个fasta文件，即test.fasta、pas.fasta、cel.fasta，如下图

test.fasta
>tile
ATGTC
>259
TGAT

pas.fasta
>ta
ATGCT

cel.fasta
>787
TGTAG
>yog
TGTAT
>In
NNTAG

我需要打印文件名和fasta序列的总数，如下所示，

test,2
pas,1
cel,3

我使用了以下命令，但未能达到我的目的

grep ">" test.fasta | wc -l && ls test.fasta

请帮我做同样的事情。

提前致谢。

shell-script python

3 个回答

  1. Best Answer

    这就是(to ount)-c选项的用途：grepc

    $ grep -ce '^>' -- *.fasta
cel.fasta:3
pas.fasta:1
test.fasta:2

    请注意，如果只有一个匹配的文件，则不会打印文件名。一些grep实现可以-H选择强制始终打印文件名：

    $ grep -Hce '^>' -- *.fasta
cel.fasta:3

    要获得确切的预期输出，您只需替换.fasta:为,：

    $ grep -Hce '^>' -- *.fasta | sed 's/\.fasta:/,/'
cel,3
pas,1
test,2

    （这里假设您的文件名不包含其他出现，.fasta:例如my.fasta:foo.fasta；当然，如果输出是 CSV 格式，文件名中的换行符或,或字符以及可能的空白字符也是一个问题）"

    • 6

  2. 使用 GNU awkENDFILE和gensub()：

    $ awk '/^>/{c++} ENDFILE{print gensub(/\.[^.]*$/,",",1,FILENAME) c+0; c=0}' *.fasta
cel,3
pas,1
test,2

    无论是 1 个还是多个输入文件（只要它小于 shell args 限制）以及文件名中存在哪些字符，只要不存在=（当 awk 在某些情况下可以，将其视为变量赋值 - 如果发生这种情况，请参阅https://www.gnu.org/software/gawk/manual/gawk.html#Other-Arguments了解如何处理它）。

    您可以对任何 awk 执行相同操作：

    $ awk '/^>/{c[FILENAME]++} END{for (i=1; i<ARGC; i++) {f=ARGV[i]; sub(/\.[^.]*$/,",",f); print f c[ARGV[i]]+0} }' *.fasta
cel,3
pas,1
test,2
    • 3

  3. 使用 Raku（以前称为 Perl_6）

    raku -e 'for dir(test => / \.fasta $/ ) -> $fh { put ($fh,  $_.grep(/ ^^ \> /).elems).join(",") given $fh.lines() };'

    样本输入（密码）：

    ~$ ls *.fasta
cel.fasta   pas.fasta   test.fasta

    样本输出：

    cel.fasta,3
pas.fasta,1
test.fasta,2

    此解决方案使用 Perl 编程语言家族的成员 Raku。上面的代码依赖于 Rakudir()和grep()例程，因此在经典 shell 介导的文件通配不存在或受到限制的平台上可能很有用（请参阅此处的 SO 讨论）。

    简而言之，raku使用选项调用-e，它告诉 Raku 的编译器 (Rakudo) 编译和执行给定的单行程序。使用关键字调用该dir()方法，该for关键字告诉 Raku 循环使用过滤器获得的文件名值test => / \.fasta $/。这样找到的文件名被单独加载到$fh变量中并在一个{…}块中进行分析。

    在块内部，从右到左读取，lines从文件句柄变量中提取，该$fh变量自动加载到$_主题变量中。这些行（现在保存在 内$_）被grep-ped 通过以查找带有^^start-of-line 的行>，表示新fasta序列的开始。这样找到的行使用 进行计数elems，并且$fh和 count用逗号join-ed 并使用 逐行返回。,put

    OP 最初要求返回“文件名”，因此从技术上讲，上面的代码就足够了。然而，因为$fh是IO::Path对象，所以删除扩展很容易.fasta：只需附加extension例程$fh以识别.fasta扩展，并将其替换为空（""）：

    ~$ raku -e 'for dir(test => / \.fasta $/ ) -> $fh { put ($fh.extension(""), $_.grep(/ ^^ \> /).elems).join(",") given $fh.lines() };'
cel,3
pas,1
test,2

    https://docs.raku.org/routine/dir
    https://docs.raku.org/routine/grep
    https://docs.raku.org/routine/extension
    https://raku.org

    • 1

相关问题