使用 fasta 标头重命名文件

Question

我有多个从 NCBI 下载的 fasta 文件，想用标题的某些部分重命名它们：

标头示例：>KY705281.1 Streptococcus phage P7955, complete genome
文件名示例：KY705281.fasta

这个想法是去掉'KY705281.1'和'complete genome'，这样就只剩下链球菌噬菌体P7955了

例如，一个输入文件将是：

>KY705281.1 Streptococcus phage P7955, complete genome
AGAAAGAAAAGACGGCTCATTTGTGGGTTGTCTTTTTTTGATTAAGTAATGAAGGAGGTGGATGTATTGG GCTAAATCAACGACAAAAACGATTTGCAGACGAATATTTGATATCTGGTGTCGCTTACAATGCAGCTATC AAAGCTGGGTATTCTGAGAAATACGCTAGAGCAAGAAGTCATACCTTGTTGGAAAATGTCGGCAT

它将被重命名为KY705281.fasta，内容如下：

>Streptococcus phage P7955 
AGAAAGAAAAGACGGCTCATTTGTGGGTTGTCTTTTTTTGATTAAGTAATGAAGGAGGTGGATGTATTGG GCTAAATCAACGACAAAAACGATTTGCAGACGAATATTTGATATCTGGTGTCGCTTACAATGCAGCTATC AAAGCTGGGTATTCTGAGAAATACGCTAGAGCAAGAAGTCATACCTTGTTGGAAAATGTCGGCAT

我是 Linux 新手，但不知何故通过一些 Google 搜索，我知道这可以通过一些 awk/sed/grep 命令轻松完成。
任何建议将不胜感激

Answer 1

一种方法可能是：

awk -F, 'FNR==1{match($1, "^>([^.]+)[^ ]+ (.*)", oFv); $1= ">" oFv[2]; sub(/ *complete genome */, "", $2);}{printf $0>oFv[1] ".fasta"}' somefiles*

这将保留旧文件并写入相应的新文件。
这也假设输入文件只有你给的一行。

如果您想重命名旧文件并更改其内容，
鉴于您的系统和 bash，我也认为它是 GNU awk 和 GNU sed，
请备份您的文件并尝试以下操作：

#!/usr/bin/bash
for file in somefiles*; do
    nn="$(awk -F[\>.] '{printf $2 ".fasta";exit}' "file")"
    sed -ri '1{s/^[^ ]* />/;s/, complete genome//;}' "file"
    if [ ! -f "$nn"];
    then
        mv "file" "nn"
    else
        echo "'$nn' exists, skip '$file', its content already changed." | tee _err_.log
    fi
done

或作为单线：

for file in somefiles*; do nn="$(awk -F[\>.] '{printf $2 ".fasta";exit}' "$file")"; sed -ri '1{s/^[^ ]* />/;s/, complete genome//;}' "$file"; if [ ! -f "$nn" ]; then mv "$file" "$nn"; else echo "'$nn' exists, skip '$file', its content already changed." | tee _err_.log; fi; done