基于BED文件染色体变量批量生成对应文件的问题

问题背景 #

需要将BED格式文件按染色体拆分，每个染色体的对应行单独保存为一个文件。最初手动执行单条染色体提取命令：

awk '{OFS="\t"} {split($1, a, "r")} a[2]==1 {print $0}' MISA.bed > chr_1.bed

但这种逐个处理的方式耗时极长。尝试用循环批量处理时，虽然生成了正确的文件名，但所有文件均为空，执行的命令是：

for i in {1..22}; do awk '{OFS="\t"} $1=="chr${i}" {print $0}' MISA.bed > chr_${i}.bed; done

错误原因 #

shell变量${i}被包裹在单引号中时，awk无法解析该变量，会把chr${i}当作字面字符串去匹配BED文件的第一列，而实际文件中是chr1、chr2这类格式，因此没有匹配到任何行，导致文件为空。

解决方案 #

方案1：修正循环中的变量传递 #

通过两种方式让awk正确识别shell变量：

方式A：用双引号解析shell变量（需转义特殊字符）

for i in {1..22}; do awk -v OFS="\t" "\$1==\"chr$i\" {print \$0}" MISA.bed > chr_${i}.bed; done

给awk内的$1和双引号加转义符\，避免被shell提前解析。

方式B：用-v选项传递变量（可读性更强）

for i in {1..22}; do awk -v chr="chr$i" -v OFS="\t" '$1==chr {print $0}' MISA.bed > chr_${i}.bed; done

通过-v chr="chr$i"把shell变量i拼接成染色体名后传递给awk，awk内部直接用chr变量匹配，无需转义。

方案2：单awk命令一次性处理（高效最优解） #

上述循环仍会重复读取源文件22次，大文件下依然耗时。可以用awk仅读取一次源文件，自动拆分到对应文件：

awk -v OFS="\t" '{file="chr_" substr($1,4) ".bed"; print > file; close(file)}' MISA.bed

• 逻辑：从第一列$1（如chr1）截取第4个字符开始的部分（得到1），拼接成输出文件名chr_1.bed
• 每次写入后用close(file)关闭文件，避免打开过多文件句柄
• 仅读取一次源文件，大幅提升处理速度，彻底解决逐个处理耗时的问题

若染色体命名为纯数字格式（无chr前缀），可调整为：

awk -v OFS="\t" '{file="chr_" $1 ".bed"; print > file; close(file)}' MISA.bed

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