改变单词的位置答案

【问题标题】：Change position of words改变单词的位置
【发布时间】：2016-12-11 05:47:22
【问题描述】：

我有一个包含多行的文件，如下所示，每个物种的标题都以'>'开头

>gi|398852808|ref|NZ_AKJD01000108.1| Pseudomonas sp. GM80 PMI37_contig126.126, whole genome shotgun sequence
CCGCAGGCTGCGATCTTTTGATGTTGTTTTTTTAAGATCAAGATCAAAAGATCGCAGCCTTCGGCAGCTCCTACAGGTGG
TCGTGGGTTTAAGCCGCTCAATCCAGTAAACTGCGGCACGTTTTTCTCTAAGTAGTGTTTTCCCCATGCAAATTGCTCTG
GCGCCCATGGAGGGGTTGGTCGACGACATCCTCCGCGACGTGCTGACCCGCGTTGGCGGCATCGATTGGTGCGTGACTGA
ATTCATTCGGGTCAACGATCAGTTGCTCACCCCGGCTTACTTCCACAAGTTCGGCCCCGAGCTGCTCAACGGTGCCCGCA
CGGCGTCCGGCGTGCCATTGCGTGTGCAATTGCTCGGTTCCGACCCGGTGTGCCTGGCGGAAAACGCTGCACTGGCCTGC

我想找到标题并将其更改为

>NZ_AKJD01000108.1|kraken:taxid|398852808 Pseudomonas sp. A3(2016), complete genome
CGCGATGGTCGTTAACGAAAACGCATGCTTACTGGCTAAACGCGGCGCTCTTGACTCCAT
CGCGAGCAAGCTCGCTCCTACAGAAGAAAGCGGCGCTCTAGTGCGCCTCATCCCAGTTAT
TGCCTACCCCCACCTCGACCAGCAGCGGCACATCCAGTTGCGCGGCCCCGCTCATGTGCA

不改变文件结构。

我试过这个 awk -v repl=">kraken:taxid|$ID|" '{ gsub(/^>/,repl,$0);打印 $0}' $FILE

我可以移动单词，但无法删除或获得所需的结果。

谢谢

【问题讨论】：

edit 你的问题来解释你想要进行的转换。现在您的输入和输出看起来像 2 个部分重叠但不相关的文本块。例如，A3(2016) 是从哪里来的？为什么你的输出缩小了 2 行？为什么CCG... 变成了CGC...？等等……

标签： string awk replace sed

【解决方案1】：

据我所知，您想重新排列标题行上的字段：

 1  >gi
 2  398852808
 3  ref
 4  NZ_AKJD01000108.1
 5   Pseudomonas sp. GM80 PMI37_contig126.126, whole genome shotgun sequence

成为

 1  >NZ_AKJD01000108.1
 2  kraken:taxid
 3  398852808 Pseudomonas sp. A3(2016), complete genome

你需要的awk大致是这样的：

BEGIN { FS = "[|]" }

/^>/ {
     OFS = "|"

     split($5, words, / /)
     Pseudomonas = " " words[1] " " words[2] " " "A3(2016), complete genome"

     print ">" $4, "kraken:taxid", $2  Pseudomonas
     next
}

{ print }

我的猜测是，一些输出文字实际上是对输入进行分类或重命名的查找。如果是这样，您可能希望在处理基因组文件之前为它们（从其他输入文件）构建关联数组。

HTH。

【讨论】：