AWK - 替换匹配行上的特定列，然后打印其他行

Question

我正在尝试更改数千行长的 DNA 序列“标题”行中的列/字段。具体来说，我想更改标题的第一个字段(compX_seqy)，它总是以“>”开头:

仅前两个序列的示例:

 #cat example

 >comp0_seq1 444 [12:23]
 AGAGGACAC
 GATCCAACATA
 AGASCAC
 >comp0_seq2 333 [12:32:599:1]
 GTCGATC
 CYAACY
 CCCCA
 ...

对于所有以“>”开头的行，我只想在第一列的末尾添加一个“A”，

comp0_seq1A

然后打印该行的其余部分，然后打印下一行(序列)，直到到达下一个 ">"行(并重复)。

我希望输出看起来像这样:

>comp0_seq1A 444 [12:23]
AGAGGACAC
GATCCAACATA
AGASCAC
>comp0_seq2A 333 [12:32:599:1]
GTCGATC
CYAACY
CCCCA
...

我先试过这个:

awk '$1=$1"A"' example

>comp0_seq1A 444 [12:23]
AGAGGACACA
GATCCAACATAA
AGASCACA
>comp0_seq2A 333 [12:32:599:1]
GTCGATCA
CYAACYA
CCCCAA
A
A

它在所有行的第一个字段中添加了一个 A，所以不完全是。

然后我尝试了这个，使用正则表达式只替换以“>”开头的行

# awk '/^>/ {print $1=$1"A";getline;print $0}' example
>comp0_seq1A
AGAGGACAC
>comp0_seq2A
GTCGATC

但这只会在匹配后打印第一行。那么，如何在匹配/替换之后打印所有/任何行，直到下一个“>”？我尝试使用“next”，但我想我不明白如何在这种情况下使用它。

有什么建议吗？我知道我很接近并且正在用我的头敲击键盘。

谢谢，LP。

Answer 1

你已经差不多了。你只是用你的 getline 想多了.

在 awk ，以下应该工作:

$ awk '/^>/ {$1=$1"A"} 1' file.txt

这是通过在与正则表达式 ^> 匹配的所有行上运行大括号中的命令来实现的。 . 1最后是 awk 简写，上面写着“打印当前行”。

另一个如此简单的替代选择是使用 sed :

$ sed '/^>/s/ /A /' file.txt

这是通过搜索匹配相同正则表达式的行，然后用字符串( /A / )替换第一个空格来实现的。 sed将默认打印每一行，因此不需要显式打印。

或者，如果您更喜欢替换第一个“字段”而不是第一个“字段分隔符”的东西，这可以工作:

$ sed 's/^\(>[^ ]*\)/\1A/' file.txt

默认情况下， sed正则表达式是“BRE”，因此需要对分组括号进行转义。 \1是对搜索正则表达式中第一个(在本例中为“唯一”)括号表达式的引用。