如何统计Fasta文件中每个物种对应序列的字符'1'数量

你已知的grep -c 1 file只能统计整个文件内包含'1'的行数，无法按单个物种对应的序列维度分组计数，用awk一行命令即可实现需求，同时兼容标准Fasta中单条序列拆分为多行的格式：

awk '/^>/ {
    if (exist_id) print count
    print $0
    exist_id = $0
    count = 0
    next
}
{
    gsub(/[^1]/, "")
    count += length($0)
}
END {print count}' 你的fasta文件路径

命令逻辑说明：

• 匹配到>开头的序列ID行时：如果已经记录过前一个序列的ID，先打印前一个序列的'1'统计值；接着打印当前ID行，重置计数器为0，跳过后续处理读取下一行
• 匹配到序列行时：删除该行所有非'1'的字符，剩余字符串的长度就是该行包含'1'的个数，累加到计数器
• 所有行读取完成后，打印最后一个序列的统计值

用你给出的示例文件运行该命令，输出结果完全符合预期：

>111
5
>102
4

如果你的Fasta文件是严格的「1行ID+1行序列」格式（无多行序列），可以用更简短的命令实现：

paste - - < 你的fasta文件路径 | awk -F '\t' '{print $1; gsub(/[^1]/,"",$2); print length($2)}'

该命令通过paste先将每两行合并为一行（第一列为ID，第二列为序列），再直接统计第二列中'1'的个数即可，写法更简洁，但遇到多行序列的Fasta会统计错误。

内容的提问来源于stack exchange，提问作者Alex galvez morante