基于床文件中的变量创建多个文件

Question

我想提取线条为每个染色体创建文件。我的源文件如下所示：

床档

我可以运行awk '{OFS="\t"} {split($1, a, "r")} a[2]==1 {print $0}' MISA.bed > chr_1.bed。这种方法需要很长的时间来手工完成。

我尝试过这样做，它确实创建了正确的文件列表，但它们都是空的。

for i in {1..22}; do awk '{OFS="\t"} $1=="chr${i}" {print $0}' MISA.bed > chr_${i}.bed; done

Answer 1

Bash变量和awk变量是分开的和不同的。对于bash循环，可以使用i开关将-v var="value"作为命名变量发送到awk。但是，在您的示例中，不需要这样做，因为输出文件名的第一部分是awk中的数据字段1 ($1)。

唯一需要知道的是，在awk内部的打印可以重定向到awk中的文件，也可以使用>作为shell (附加不需要>>)。

对于您的示例，不需要重置字段分隔符。

这个简单的awk过程将把输入文件(MISA.bed)的每一行放入与数据字段1 (chr1.bed、chr2.bed等)中的值预先固定的匹配输出.bed文件。

awk '{print $0 > $1".bed"}' MISA.bed

大多数现代版本的awk都应该处理这个问题。有些版本可能要求连接文件名预先形成(fn=$1".bed"; print $0 > fn).

由于您的文件包含染色体数据，您将处理20-一些输出文件，不应造成任何问题(它们一直打开直到awk完成)。如果遇到与“文件太多”相关的错误，可以将最后的close(fn)语句添加到awk块中(这几乎肯定不需要)。

测试

测试文件MISA.bed

chr1    10286   10321   6   AACCCC
chr1    10386   10421   2   CT
chr1    10486   10521   2   TC
chr2    10186   10221   2   TC
chr2    10286   10321   2   AT
chr2    10486   10521   6   CCAACC
chr3    10486   10521   2   TC
chr3    10586   10621   2   AT
chr3    10686   10721   6   CCAACC

命令：

awk '{print $0 > $1".bed"}' MISA.bed

档案检查：

> ls *.bed
> chr1.bed  chr2.bed  chr3.bed  MISA.bed

> cat chr1.bed 
chr1    10286   10321   6   AACCCC
chr1    10386   10421   2   CT
chr1    10486   10521   2   TC

> cat chr2.bed 
chr2    10186   10221   2   TC
chr2    10286   10321   2   AT
chr2    10486   10521   6   CCAACC

> cat chr3.bed 
chr3    10486   10521   2   TC
chr3    10586   10621   2   AT
chr3    10686   10721   6   CCAACC

使用GNU Awk 5.1.0，API: 3.0在raspberry pi 400上进行测试。

Answer 2

不如：

awk -F '\t' '{F=sprintf("chr_%s.bed",$1); print >> F}' MISA.bed