批量处理VCF文件时，如何提取文件名中间段作为输出文件名？

问题分析 #

你的代码存在两个核心问题：

1. 文件名匹配错误：原循环for i in *_xxxxxx_xxxxxxxxx.vcf仅匹配后缀为固定_xxxxxx_xxxxxxxxx.vcf的文件，但你的实际文件是xxxxxx_可变段_xxxxxx_xxxxxxxxx.vcf，第三个和第四个字段都是可变的，匹配模式不成立。
2. 输出文件名生成错误：${i%??}_edited.vcf只是简单截断文件名最后两个字符，完全没有提取到你需要的中间可变段。

正确实现代码 #

for i in *_*_*_*.vcf; do
    # 移除文件后缀 .vcf
    filename_no_ext="${i%.vcf}"
    # 按下划线拆分文件名，提取中间的可变段
    IFS='_' read -r _ middle_segment _ _ <<< "$filename_no_ext"
    # 提取以"zzz"开头的行，输出到目标文件
    awk '/^zzz/' "$i" > "${middle_segment}.edited_vcf"
done

代码说明 #

• 文件名遍历：*_*_*_*.vcf确保匹配所有符合四段下划线分隔+.vcf格式的文件。
• 提取中间段：通过IFS='_'将去掉后缀的文件名按下划线拆分，直接获取第二个字段（即你需要的可变部分）。
• AWK提取逻辑：/^zzz/是substr($0,1,3)=="zzz"的简洁写法，功能完全一致，用于筛选以zzz开头的行。
• 输出文件命名：直接使用提取到的中间段作为文件名前缀，生成[中间段].edited_vcf格式的输出文件。

内容的提问来源于stack exchange，提问作者user20330606