如何用sed或awk批量替换fasta文件中的序列头指定模式？

修复你的sed命令问题 #

你的sed命令失效确实是因为>和|属于sed正则表达式的特殊字符，直接引用会被当作语法解析，而非字面匹配。解决方法是先把旧模式里的特殊字符转义成字面量，修改后的脚本如下：

while IFS= read -r line1 && IFS= read -r line2 <&3; do
    # 转义旧模式中的sed特殊字符：\、/、|、>、$、^、.等
    escaped_old=$(printf '%s' "$line1" | sed 's/[\/&|>$\^.]/\\&/g')
    for f in *.fasta; do
        sed -e "s/${escaped_old}/${line2}/g" "$f" > "${f%.fasta}_NewName.fasta"
    done
done < "List_oldpattern.txt" 3<"List_newpatterns.txt"

这段脚本会自动给旧模式里的特殊字符加上反斜杠，让sed把它们当作普通文本匹配。

更简洁的awk实现方案 #

awk处理这种键值对替换场景更高效，还能避免正则特殊字符的麻烦，推荐用以下脚本：

步骤1：生成模式映射文件 #

先把旧模式和新模式文件合并成制表符分隔的映射文件：

paste List_oldpattern.txt List_newpatterns.txt > pattern_map.txt

步骤2：用awk批量处理FASTA文件 #

for f in *.fasta; do
    awk '
    BEGIN {
        # 读取映射文件，构建旧模式→新模式的关联数组
        while ((getline line < "pattern_map.txt") > 0) {
            split(line, arr, "\t")
            map[arr[1]] = arr[2]
        }
        close("pattern_map.txt")
    }
    # 仅处理序列头行（以>开头的行）
    /^>/ {
        # 遍历所有映射规则，替换匹配内容
        for (old in map) {
            # 若需精确字符串匹配（不解析正则特殊字符），用下面的index替换逻辑替换gsub
            # pos = index($0, old)
            # while (pos > 0) {
            #     $0 = substr($0, 1, pos-1) map[old] substr($0, pos+length(old))
            #     pos = index($0, old, pos+length(map[old]))
            # }
            gsub(old, map[old])
        }
    }
    # 输出所有行
    { print }
    ' "$f" > "${f%.fasta}_NewName.fasta"
done

# 可选：清理临时映射文件
rm pattern_map.txt

如果你的旧模式包含大量正则特殊字符，推荐启用注释里的index替换逻辑，它会完全按照字符串字面量匹配替换，不需要处理转义。

内容的提问来源于stack exchange，提问作者Nico64