Split file to fasta代码技术疑问：匹配>chr后序列如何写入输出文件？

刚好我对这段awk代码熟得很，来给你拆解明白～

你疑惑的点特别关键：代码里明明只匹配了^>chr开头的行，那后续的序列怎么自动对应写入到正确的文件里？其实这段代码是靠条件触发+全局执行的组合逻辑来工作的，拆解来看：

1. 输出文件名的触发逻辑 #

/^>chr/ {OUT=substr($0,2) ".fa"}

这行是个条件执行块：只有当当前行是以>chr开头的时候（也就是FASTA的序列ID行），才会执行大括号里的操作：

• 用substr($0,2)把行首的>去掉，比如>chr1会变成chr1；
• 加上.fa后缀，赋值给变量OUT——这就确定了接下来要写入的输出文件名。

2. 所有行的全局写入逻辑 #

{print >> OUT; close(OUT)}

这部分是全局执行的！不管当前行是不是序列ID行，每一行都会执行这个操作：

• 把当前行追加（>>）写入到OUT指向的文件里；
• 写完立刻关闭文件（close(OUT)），避免打开文件过多触发系统限制。

举个实际例子你就懂了 #

假设你的输入FASTA是这样的：

>chr1
ATCGATCG
GGCCGGCC
>chr2
TTAAGGCC

执行代码的过程是：

• 读到>chr1：触发第一部分逻辑，OUT被设为chr1.fa，然后执行全局逻辑，把>chr1写入chr1.fa；
• 读到ATCGATCG：没触发第一部分，直接执行全局逻辑，把这行写入当前的chr1.fa；
• 读到GGCCGGCC：同理，继续写入chr1.fa；
• 读到>chr2：触发第一部分，OUT更新为chr2.fa，然后把>chr2写入chr2.fa；
• 读到TTAAGGCC：写入chr2.fa。

这样一来，每个染色体的ID和对应的序列就都被分到了各自的.fa文件里啦～

内容的提问来源于stack exchange，提问作者DS123