regex - 使用 bash 计算模式之间的行/字符

Question

我想计算每个对象的所有字符（ACGT）（这里，，，）GeneID:1，gi|479以便nf|NZ_AC14我知道每个对象的长度（无需计算 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，以便一切都自动化，但我什至不知道从哪里开始执行此操作（主要是在以 开头的行之后我将如何计算>）

所需的输出将是：

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

但如果我只有数字也可以。

谢谢

标签： regexlinuxbash

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>。通过删除换行符将记录的所有字段连接在一起。然后打印记录的长度。

该变量oRT设置为捕获RT前一行的记录终止符。