如何为目录中每个文件的每个 header 添加一个唯一的数字？

Question

我有一个包含数百个 multi-FASTA 个文件的目录。

在每个文件header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header

的开始

Bubo_bubo为种名（与FASTA文件名相同，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

我想做的是在特定文件中，在物种名称和关于该文件的其他信息之间，为每个 header 添加相同的数字，以获得类似：

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

我希望每个文件的编号都不同。你能帮我解决一下吗？

Answer 1

这有点冗长，但我认为它可以完成工作：

awk 'BEGIN{FS="_"}filename!=FILENAME{++uniquenumber;filename=FILENAME}/^>/{printf "%s_%s_%03d_%s_%s_%s\n", ,,uniquenumber,,, > FILENAME"_updated";next}{print [=10=] > FILENAME"_updated"}' *

那将：

在处理 (BEGIN{}) 之前将字段分隔符设置为下划线。
如果变量 filename 不等于我们正在处理的当前文件 FILENAME 然后将 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
如果该行以 > (/^>/)
然后打印出使用前导 0 将唯一编号添加到三个字符的行：(printf "%s_%s_%03d_%s_%s_%s\n", ,,uniquenumber,,,)
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。并继续文件中的下一行 (> FILENAME"_updated";next)
如果你还在这里，那我们就是常线了。只需将其打印到同一个 _updated 文件：{print [=24=] > FILENAME"_updated"}
对该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_%s\n", ,,uniquenumber,,, > FILENAME"_updated";next}{print [=11=] > 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/^>((.+?)_(.+?))_/>_${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

如何为目录中每个文件的每个 header 添加一个唯一的数字？

How to add a number to every header, unique to each file in a directory?

bash

awk

bioinformatics