将每个测序数据提取为单独的文件答案

【问题标题】：extract each sequencing data as individual file将每个测序数据提取为单独的文件
【发布时间】：2016-08-15 04:42:15
【问题描述】：

有一个ecoli.ffn文件，其中行表示测序基因的名称：

$head ecoli.ffn
>ecoli16:g027092:GCF_000460315:gi|545267691|ref|NZ_KE701669.1|:551259-572036
ATGAGCCTGATTATTGATGTTATTTCGCGT
AAAACATCCGTCAAACAAACGCTGATTAAT
>ecoli16:g000011:55989:gi|218693476|ref|NC_011748.1|:1128430-1131042
GTGTACGCTATGGCGGGTAATTTTGCCGAT
>ecoli16:g000012:55989:gi|218693476|ref|NC_011748.1|:1128430-1131042
GTGTACGCTATGGCGGGTAATTTTGCCGAT
CTGACAGCTGTTCTTACACTGGATTCAACC
CTGACAGCTGTTCTTACACTGGATTCAACC

如上图，基因名称在第1个和第2个冒号之间：

g027092
g000011
g000012

我想用ecoli.ffn生成三个文件：g027092.txt、g000011.txt、g000012.txt，分别包含每个测序数据。

例如，g027092.txt 将包含原始数据，但没有标题：

$cat g027092.txt
ATGAGCCTGATTATTGATGTTATTTCGCGT
AAAACATCCGTCAAACAAACGCTGATTAAT

如何制作？

【问题讨论】：

标签： python linux bash awk sed

【解决方案1】：

awk 来救援！

$ awk -F: -v RS=">" 'NR==FNR{n=split($0,t,"\n");
                             for(i=1;i<n;i++) a[t[i]];
                             next}
                     $2 in a{file=$2".txt"; 
                             sub(/[^\n]+\n/,""); 
                             print > file}' index file


$ head g*.txt
==> g000011.txt <==
GTGTACGCTATGGCGGGTAATTTTGCCGAT


==> g000012.txt <==
GTGTACGCTATGGCGGGTAATTTTGCCGAT
CTGACAGCTGTTCTTACACTGGATTCAACC
CTGACAGCTGTTCTTACACTGGATTCAACC


==> g027092.txt <==
ATGAGCCTGATTATTGATGTTATTTCGCGT
AAAACATCCGTCAAACAAACGCTGATTAAT

说明

NR==FNR{n=sp... 块解析第一个文件并创建查找表

$2 in a{file=$2".txt"; 如果当前记录在查找表中，使用密钥和txt扩展名设置文件名

sub(/[^\n]+\n/,"") 删除标题行

print > file 并打印到指定的文件名。

【讨论】：

嗨@karakfa，你能解释一下吗？
完成了。 awk 和正则表达式一样强大。