我尝试使用 grep sed 或 awk 来解析文件的单独行的字符之间

Question

尝试在本示例文本中解析 behen 和 > 的下一个实例：

>S_behen_BOx6592|contig_6484&contig_7580
TCCGAACCATAGCAAACATCGAAAGGAGTTTCGAAGGAAGTTCCTGAGATGTTATAAAAG
TCAACTCCTTTTGGAAGTTTTGCTTTATTGATGAGTTGACGAGTACCAGCAGCCCATTTC
AGAATGGCATAGTTGAAAGGAAGAGCAAATGTTTTTCCATTGAAATCAAGCTCATTATGC
CTCAATGCCTCCTCAAAAACAACGGTACTTTGAAGCGGGCCATAAGATTCTAGCTTCACA
GAAGGAGGTGCTTCTTCGTCTTCTTTATCTGGAGTTACTTTACGCCAAACCTGAATTTGG
GGAGTCTTCTTCCACTCGAATACCGGATTGGGCAACATTTCATAAATAGATGGACACTCA
ATTACCAGTTGGTGCATGGTCCATCTCCCCACAAAAAAATAACTTTCAAAACCTTCAATG
AATTGCAGTCCAGTTAAAAGAGCATCATTGACGCATCCTGGTGCACCTTGAAAAGGACAA
GCAATGCAAATCCACTTGCTGACATACTTGGAAAATA

---

---

---

>S_dichotoma_BOx6597|contig_19038_allele_0&contig_8274_allele_0
TCCGAACCATAGCAAACATCAAAAGGAGTTTCGAATGAAGTTCCGGAGATGTTGAAAAAG
CTAACTCCTTTTGGAAGTTTTGCTTTATTGATGAGTTGACGAGTGCCAGCAGCCCATTTC
AGAATAGCATAGTTGAAAGGAAGAGCGAATGTTTTTCCATTGAAATCAAGCTCATTATGC
CTCAATGCCTCCTCAAAAACAGTGGGACTTTGAAGCGGGCCATACGATTCTAGCTTCGCA
GAAGGAGGTGCTTCTTCATCTTCTTTGTCTGGAGTTACTTTACGCCAAACCTGAATTTGG
GGAGTCTTCTTCCACTCGAATACTGGATTTGGCAACATCTCATAAATAGATGGACACTCA
ATTACCAGTTGGTGCATGGTCCATCTCCCCACAAAAAAATAACTTTCAAAACCTTCAATG
AATTGCAGCCCAGTTAAAAGAGCATCATTGACGCATCCTGGTGCACCTTGAAAAGGGCAA
GCAATGCAAATCCACTTACTGACATACTTGGAAAAAA-ATCAGGATATAGTGTCATGAAA
CACCTAATCAGTACTCCTCCCATAGAATGCGATATTAAGTTGACTTGTCTTCCCCCAGAA
GCTTTGTGTGCAGTTTCCAGCTTAGCTTAAGGCCCTCCATT

...

>S_dichotoma_BOx6597|contig_8274_allele_1&contig_19038_allele_0
TCCGAACCATAGCAAACATCAAAAGGAGTTTCGAATGAAGTTCCGGAGATGTTGAAAAAG
CTAACTCCTTTTGGAAGTTTTGCTTTATTGATGAGTTGACGAGTGCCAGCAGCCCATTTC
AGAATAGCATAGTTGAAAGGAAGAGCGAATGTTTTTCCATTGAAATCAAGCTCATTATGC
CTCAATGCCTCCTCAAAAACAGTGGGACTTTGAAGCGGGCCATACGATTCTAGCTTCGCA
GAAGGAGGTGCTTCTTCATCTTCTTTGTCTGGAGTTACTTTACGCCAAACCTGAATTTGG
GGAGTCTTCTTCCACTCGAATACTGGATTTGGCAACATCTCATAAATAGATGGACACTCA
ATTACCAGTTGGTGCATGGTCCATCTCCCCACAAAAAAATAACTTTCAAAACCTTCAATG
AATTGCAGCCCAGTTAAAAGAGCATCATTGACGCATCCTGGTGCACCTTGAAAAGGGCAA
GCAATGCAAATCCACTTACTGACATACTTGGAAAAAA-ATCAGGATATAGTGTCATGAAA
CACCTAATCAGTACTCCTCCCATAGAATGCGATATTAAGTTGACTTGTCTTCCCCCAGAA
GCTTTGTGTGCAGTTTCCATCTTAGCTTAAGGCCCTCCATT

到目前为止，我尝试使用

-A

中的

grep

标志来获取第一个模式之后的后续行，但他并不适用于我最终必须解析的每个文件。我只想最终使用开始名称并让它抓取文件中开始和下一个“>”字符之间的每一行。

Answer 1

这对于 Awk 来说确实是微不足道的。提问前请搜索一下。

awk 'p && /^>/ { exit }
  /^>.*behen/ {p=1}
  p' file.fasta >newfile.fasta

回想一下，Awk 一次检查一行（或者更严格地说，一条记录）。在第二个条件匹配之前，

p

将是未定义的，因此 Awk 将忽略输入并跳到下一行。一旦条件匹配，

p

为 true，因此第一个条件控制何时停止处理行并终止脚本（即，下次我们看到标题行时）。最后，如果我们到达脚本的最后一行并且

p

为 true，我们将打印该行。