如何为每个标头添加一个编号，该编号对目录中的每个文件都是唯一的

Question

我有一个包含数百个多FASTA文件的目录。

在每个文件头中遵循相同的命名逻辑，例如：

>Bubo_bubo_c5_g1_i1 len=168 path=[174:0-148 24:148-168]

其中：

>是每个报头的开始

Bubo_bubo是一个物种名称(与FASTA文件的名称相同，此处为：Bubo_bubo.fasta(

c5_g1_i1是序列的规范，所有其他字符都是关于特定序列的附加信息

我想做的是在一个特定文件的每个标题中，在物种名称和该文件的其他信息之间添加相同的数字，以获得类似于的东西

>Bubo_bubo_001_c5_g1_i1 len=168 path=[174:0-148 24:148-168]

我希望每个文件的编号不同。你能帮我一下吗？

Answer 1

这有点冗长，但我认为它可以完成任务：

awk 'BEGIN{FS="_"}filename!=FILENAME{++uniquenumber;filename=FILENAME}/^>/{printf "%s_%s_%03d_%s_%s_%sn", $1,$2,uniquenumber,$3,$4,$5 > FILENAME"_updated";next}{print $0 > FILENAME"_updated"}' *

这将：

1. 在处理(BEGIN{}(之前，将字段分隔符设置为下划线
2. 如果变量filename不等于我们正在处理的当前文件FILENAME，则将uniquenumber变量增加1，并将filename变量设置为我们正在处理FILENAME的当前文件名
3. 如果该行以>(/^>/(开头
4. 然后打印出使用前导0将唯一数字填充到三个字符后的行：(printf "%s_%s_%03d_%s_%s_%sn", $1,$2,uniquenumber,$3,$4,$5(
5. 重定向输出相同文件名，但后缀为_updated(您现在将有一个新的文件进行更改。然后继续到文件中的下一行(> FILENAME"_updated";next(
6. 如果你还在这里，那么我们就在正常线路上。只需将其打印到相同的_updated文件：{print $0 > FILENAME"_updated"}
7. 对目录*中的所有文件执行此操作

示例：

~/fasta$ ls
file1  file2  file3
~/fasta$ cat *
>Bubo_bubo_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
blah
blah
>Bubo_bubo_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
blah
>Bubo_bubo_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
foo
bar
foo
>Bubo_bubo_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
foo
>Bubo_bubo_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
_bubo_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
whatevfs
>Bubo_bubo_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
asd
>Bubo_bubo_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
~/fasta$ awk 'BEGIN{FS="_"}filename!=FILENAME{++uniquenumber;filename=FILENAME}/^>/{printf "%s_%s_%03d_%s_%s_%sn", $1,$2,uniquenumber,$3,$4,$5 > FILENAME"_updated";next}{print $0 > FILENAME"_updated"}' file*
~/fasta$ cat *updated
>Bubo_bubo_001_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
blah
blah
>Bubo_bubo_001_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
blah
>Bubo_bubo_002_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
foo
bar
foo
>Bubo_bubo_002_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
foo
>Bubo_bubo_002_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
_bubo_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
whatevfs
>Bubo_bubo_003_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
asd
>Bubo_bubo_003_c5_g1_i1 len=168 path=[174:0-148 24:148-168]

Answer 2

以下是使用Perl 的一种方法

输入文件

$ ls -1 Bubo_bubo*fasta
Bubo_bubo.fasta
Bubo_bubo2.fasta
Bubo_bubo3.fasta
Bubo_bubo4.fasta
$ cat Bubo_bubo.fasta
>Bubo_bubo_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
a b c
$ cat Bubo_bubo2.fasta
>Bubo_bubo_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
d e f
$ cat Bubo_bubo3.fasta
>Bubo_bubo3_chihoig len=134 path=[174:0-148 24:148-168]
g h i
$ cat Bubo_bubo4.fasta
>Bubo_bubo4_wrwklk_gjf len-133 path=[174:0-148 24:148-168]
p q r

解决方案：

Perl-i将替换所有的文件。

$ perl -i.bak -pe ' if($.==1) { $y=sprintf("%03d",++$x); s/^>((.+?)_(.+?))_/>1_${y}_/ } close(ARGV) if eof ' Bubo_bubo*fasta

输出：

$ cat Bubo_bubo.fasta
>Bubo_bubo_001_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
a b c
$ cat Bubo_bubo2.fasta
>Bubo_bubo_002_c5_g1_i1 len=168 path=[174:0-148 24:148-168]
d e f
$ cat Bubo_bubo3.fasta
>Bubo_bubo3_003_chihoig len=134 path=[174:0-148 24:148-168]
g h i
$ cat Bubo_bubo4.fasta
>Bubo_bubo4_004_wrwklk_gjf len-133 path=[174:0-148 24:148-168]
p q r