Linux只读取第一行文件

Question

我试图在一个类似于这样的文件中替换头部：

中华蜜蜂

NC_037638.1 DH4连锁群LG1 Amel_HAv3.1全基因组猎枪序列

文件(Bee.fasta)有几个头部(每个序列一个)，标题如下所示：

蜜蜂

NC_037638.1 DH4连锁群LG1 Amel_HAv3.1全基因组猎枪序列

我想把它们变成这样：

LG1

*LG1 is just an example, depending on the line of the file it can be LG1, LG2, LG3, ...

上面的代码每次迭代只更改第一个标头，而后一个头则保持不变。

(预先谢谢:)

我试图用以下代码替换文件中的头文件：

#!/bin/bash


grep 'LG' Be.fasta > old_headers.txt


while read header
do
        new_header=$(echo $header | awk -F ' ' '{print $8}')

        sed "s/$header/$new_header/g" Bee.fasta >> somefile.txt


done < old_headers.txt

上面的代码每次迭代只更改第一个标头，而后一个头则保持不变。

Answer 1

你想得太多了。另外，使用bash在一行文本上循环使用bash几乎总是一个坏主意，从性能上讲。像sed、awk和perl这样的工具就是为这个工作而诞生的(文本处理)。

因为我们知道，单词group只能出现在标题中，而不能出现在基因序列中，Jason的注释中的sed应该满足您的要求。

$ cat Bee.fasta 
NC_037638.1 Apis mellifera strain DH4 linkage group LG1, Amel_HAv3.1, whole genome shotgun sequence
GAGAGAATTAACTACCTTAACCTGAACCTAAACCTACCGATAACCTAACTCTAAACTATACCTTTAACCCCTAAACCCTA CACCTAAGTCCTAAACCAATAACCTTAACCCTAACAACTATATAAAACACTAACCTATAACCTAATCCCCTAACTACTAA ActactaacctaacctaaaactatatacctaacctaaaccttaCCCTAACCATAACCTATTACTCTAACCCTACCAAGAG CCTAAACCTAGAAACTTAACCCCTACAACCCTTAACCTTAACCTACACCTAACTACCTAATCCTACCTAACCtataccta
$ sed -E 's/^.*group *([^,]+).*$/\1/g' Bee.fasta > somefile.txt
$ cat somefile.txt 
LG1
GAGAGAATTAACTACCTTAACCTGAACCTAAACCTACCGATAACCTAACTCTAAACTATACCTTTAACCCCTAAACCCTA CACCTAAGTCCTAAACCAATAACCTTAACCCTAACAACTATATAAAACACTAACCTATAACCTAATCCCCTAACTACTAA ActactaacctaacctaaaactatatacctaacctaaaccttaCCCTAACCATAACCTATTACTCTAACCCTACCAAGAG CCTAAACCTAGAAACTTAACCCCTACAACCCTTAACCTTAACCTACACCTAACTACCTAATCCTACCTAACCtataccta
$