如何为每个标题添加一个数字，对于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，如：

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

在哪里：

> 是每个标头的开头

Bubo_bubo 是物种名称（与 FASTA 文件的名称相同，此处为：Bubo_bubo.fasta）

c5_g1_i1 是一个序列的规范，所有其他字符都是关于特定序列的附加信息

我想要做的是在特定文件中的每个标题中添加相同的数字，在物种名称和有关该文件的其他信息之间，以获得类似：

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

我希望每个文件的数字都不同。你能帮我解决一下吗？

Answer 1

这有点冗长，但我认为它会完成这项工作：

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

那会：

1. 处理前 (BEGIN{}) 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 变量递增1，并将filename 变量设置为我们正在处理的当前文件名FILENAME
3. 如果行以> (/^>/) 开头
4. 然后打印出将唯一数字添加到三个使用前导 0 的字符的行：(printf "%s_%s_%03d_%s_%s_%s\n", $1,$2,uniquenumber,$3,$4,$5)
5. 重定向输出相同的文件名，但带有_updated 后缀（您现在将拥有一个包含更改的新文件。然后继续到文件中的下一行 (> FILENAME"_updated";next)
6. 如果您还在这里，那么我们就在常规线路上。只需将其打印到相同的_updated 文件：{print $0 > FILENAME"_updated"}
7. 对该目录中的所有文件执行此操作*

例子：

~/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_%s\n", $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

这是使用 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 就地替换所有文件。

$ 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