如何在终端按特定模式拆分多基因FASTA序列文本文件？

你的脚本存在几个关键问题，导致出现ambiguous redirect错误以及无法正确按基因名保存文件，以下是修正后的脚本：

#!/bin/bash

IFS=">" read -r -d '' -a my_array < file1.txt

for element in "${my_array[@]}"; do
    # 跳过文件开头>产生的空元素
    [[ -z "$element" ]] && continue
    
    # 直接提取第一行作为基因名
    gene_name=$(echo "$element" | awk 'NR==1 {print $1}')
    
    # 文件名加双引号，避免特殊字符（如|）引发shell解析错误，同时补回FASTA头部的>
    echo ">$element" > "$gene_name.txt"
done

关键修改说明： #

• 修复变量引用错误：原脚本中echo $"element"是错误写法，应改为echo ">$element"，同时补回FASTA序列头部的>符号（拆分后数组元素不包含该符号）。
• 给文件名加双引号：基因名里的|会被shell解析为管道符号，导致重定向歧义，用"$gene_name.txt"将文件名整体包裹，避免解析错误。
• 跳过空元素：文件以>开头，拆分后第一个数组元素为空，加入判断跳过它，避免生成空文件名的无效文件。
• 简化基因名提取：用awk 'NR==1 {print $1}'直接提取第一行内容，省去多余的cut命令。

大文件高效处理方案（推荐） #

如果你的FASTA文件体积很大，bash循环的处理效率较低，推荐用awk直接处理，无需拆分数组：

awk '/^>/ {
    if (filename != "") close(filename)
    filename = substr($0, 2) ".txt"
}
{ print > filename }' file1.txt

这段脚本的逻辑：

• 遇到以>开头的行时，提取该行去掉首字符>后的内容作为文件名，同时关闭之前打开的文件（避免文件句柄耗尽）。
• 将所有行输出到当前对应的文件中，自动完成序列拆分，处理大文件的速度远快于bash循环。

内容的提问来源于stack exchange，提问作者user23441879