regex - 使用 bash 计算模式之间的行数/字符数

Question

我想计算每个对象的所有字符(ACGT)(这里是GeneID:1，gi|479，nf|NZ_AC14)，以便我知道每个对象的长度(不需要计算A的数量，C的数量..)

>GeneID:1
ATGCGTTTGCGTTTGCAAATCGACTAGCTTTTGGCCCAAAGCGTGCTGCAAAAGTATGGA
AGTAAAGCTACCGTACGTAGCTAAGCCTACCGATCGATCGATCGATCGACGCCCCCCCCC
>gi|479
ATGGATTGGATGGAATCACAATTCAAGACATGTACGCATGGCTGCGACTGGAAG
>nf|NZ_AC14
ATGGCTAGATATGTCGTATGTTGGATGTTCACCATCAACAATCCCG

我有多个这样的文件，我想使用 bash 命令，以便一切都是自动化的，但我什至不知道从哪里开始执行此操作(主要是我如何在以 > 开头的行之后进行计数)

期望的输出是:

>GeneID:1 121
>gi|479 54
>nf|NZ_AC14 47

但如果我只有号码也没关系。

谢谢

Answer 1

使用awk:

awk -v RS='>[^\n]+' 'oRT{gsub("\n","");print oRT,length()}{oRT=RT}'  file

记录分隔符设置为以>开头的基因名称。记录的所有字段通过删除换行符连接在一起。然后打印记录的长度。

变量oRT设置为捕获上一行的记录终止符RT。