如何用Awk拆分SAM文件并保留指定头部行至所有拆分文件

可以用awk直接实现，无需额外步骤，核心是先缓存头部内容，再给每个新的输出文件只写入一次头部：

# 缓存前3行@开头的头部
NR<=3 && /^@/ { header = header $0 "\n"; next }
# 处理序列行
{
    out = $3
    # 首次写入该文件时先输出头部
    if (!seen[out]) {
        print header > out
        seen[out] = 1
    }
    print > out
}

使用方法 #

1. 把上述代码保存为split_sam.awk
2. 执行命令：

awk -f split_sam.awk your_input.sam

灵活调整 #

如果你的SAM头部不止3行，而是所有@开头的行都要作为头部，把第一行的NR<=3 && /^@/改成/^@/即可，这样会缓存所有头部行。

这种方法用关联数组seen记录已写入头部的文件，避免重复写入，同时处理大文件效率也很高，不需要生成临时文件。

内容的提问来源于stack exchange，提问作者Somu