使用 awk 或 sed 从输入文件中提取文本块并将每个块保存在单独的输出文件中答案

【问题标题】：extracting text blocks from input file with awk or sed and save each block in a separate output file使用 awk 或 sed 从输入文件中提取文本块并将每个块保存在单独的输出文件中
【发布时间】：2019-03-04 22:19:53
【问题描述】：

我正在尝试使用“awk”根据分隔符（# 和--）提取文本块（仅限第一个字段/列，但多行，行数因块而异）。这些列代表序列 ID。

使用“awk”我可以分隔块并打印第一列，但我无法将这些文本块重定向到单独的输出文件。

代码：

awk '/#/,/--/{print $1}' OTU_test.txt

理想情况下，我想根据在每个块的第一行中找到的一些文本（例如 MEMB.nem.6；MEMB.nem. 是内容，但数字会改变）保存每个文件（不包括分隔符的文本块） )

输入文件示例 enter image description here

#OTU_MEMB.nem.6
EF494252.1.2070 6750.0 D_0__Eukaryota;D_1__Opisthokonta;D_2__Nucletmycea;D_3__Fungi;D_7__Dothideomycetes;D_8__Capnodiales;D_9__uncultured fungus 1.000
FJ235519.1.1436 5957.0 D_0__Eukaryota;D_1__Opisthokonta;D_2__Nucletmycea;D_3__Fungi;D_7__Dothideomycetes;D_8__Capnodiales;D_9__uncultured fungus 1.000
New.ReferenceOTU9219 5418.0 D_0__Eukaryota;D_1__Opisthokonta;D_2__Nucletmycea;D_3__Fungi 1.000 
GQ120120.1.1635 471.0 D_0__Eukaryota;D_1__Opisthokonta;D_2__Nucletmycea;D_3__Fungi;D_7__Dothideomycetes;D_8__Capnodiales;D_9__uncultured fungus 0.990
--
#OTU_MEMB.nem.163
New.CleanUp.ReferenceOTU59580 12355.0 D_0__Eukaryota;D_1__Opisthokonta;D_2__Holozoa;D_3__Metazoa (Animalia);D_7__Chromadorea;D_8__Monhysterida 0.700
New.ReferenceOTU11809 1312.0 D_0__Eukaryota;D_1__Opisthokonta;D_2__Holozoa;D_3__Metazoa (Animalia);D_7__Chromadorea;D_8__Monhysterida 0.770
--
#OTU_MEMB.nem.35
New.CleanUp.ReferenceOTU120578 12116.0 D_0__Eukaryota;D_1__Opisthokonta;D_2__Holozoa;D_3__Metazoa (Animalia);D_7__Chromadorea;D_8__Desmoscolecida;D_9__Desmoscolex sp. DeCoSp2 0.780

预期的输出文件（仅第一列，无分隔符）。

MEMB.nem.6.txt

EF494252.1.2070 
FJ235519.1.1436 
New.ReferenceOTU9219 
GQ120120.1.1635

MEMB.nem.163.txt

New.CleanUp.ReferenceOTU59580
New.ReferenceOTU11809

MEMB.nem.35.txt

New.CleanUp.ReferenceOTU120578

我搜索了很多，但到目前为止我没有成功。如果有人可以建议我，我会很高兴。

谢谢，

蒂亚戈

【问题讨论】：

您遇到了永远不应使用范围表达式的原因之一 (/start/,/end) - 最小的需求更改需要完全重写或复制条件。始终使用标志 (/start/{f=1} f; /end/{f=0})。

标签： bash awk

【解决方案1】：

awk '
sub(/^#OTU_/,"") {
    close(out)
    out = $0 ".txt"
    next
}
!/^--/ {
    print $1 > out
}
' file

【讨论】：

亲爱的 Ed，感谢您的回答。我测试了脚本并且效果很好！唯一的事情是脚本在输出文件中添加了“MEMB.nem.6”；理想情况下，我希望每个块的第一列但跳过第一行（txt 中没有 MEMB.nem.6，只有：EF494252.1.2070 FJ235519.1.1436 New.ReferenceOTU9219 GQ120120.1.1635）。我现在正在研究这个，看看我是否能弄清楚。我相信我应该玩“打印 $1 > out”部分。再次感谢您的帮助！这是惊人的！此致，蒂亚戈
只需在 out = $0 ".txt" 行之后添加一行 next。我更新了脚本以添加它。
嗨，埃德，太棒了！刚刚尝试过并且工作得很好！再次感谢您的帮助！