优化GFF文件基因ID替换脚本：解决循环sed效率低下问题

原脚本通过while循环多次调用sed处理28000个基因，效率极低的核心原因是：每次调用sed都会启动新进程，且重复读取整个文件，IO与进程开销叠加导致耗时剧增，还会生成冗余临时文件。以下是两种高效解决方案：

方法一：用awk单进程处理（推荐） #

awk支持一次性扫描文件并完成全局替换，无需重复IO操作，处理28000条数据仅需数分钟。

固定前缀场景（如1Chr.g1、2Chr.g2） #

创建脚本文件replace_id.awk：

BEGIN {FS="\t"; OFS="\t"}
{
    # 匹配数字+Chr前缀的基因ID，替换为gN格式
    gsub(/[0-9]+Chr\.g([0-9]+)/, "g\\1", $9)
    print $0
}

执行命令：

awk -f replace_id.awk input.gff > output.gff

任意前缀场景（如abc.g1、XYZ.g2等） #

若基因ID前缀不固定，只需调整正则匹配规则：

BEGIN {FS="\t"; OFS="\t"}
{
    # 匹配任意前缀+.gN格式的ID，替换为gN
    gsub(/[^.]+\.g([0-9]+)/, "g\\1", $9)
    print $0
}

方法二：用sed一次性全局替换 #

如果基因ID格式固定，sed的一次性全局替换也能大幅提升效率：

# 固定前缀场景
sed -E 's/[0-9]+Chr\.g([0-9]+)/g\1/g' input.gff > output.gff

# 任意前缀场景
sed -E 's/[^.]+\.g([0-9]+)/g\1/g' input.gff > output.gff

两种方法均为单进程一次性处理文件，彻底避免重复IO与进程启动开销，解决原脚本效率低下的问题。

内容的提问来源于stack exchange，提问作者Mendel