如何用awk计算序列长度并修改目标文件的标识行格式？

先直接给你能解决问题的AWK命令，然后再拆解每个部分的作用：

awk '{
    # 提取序列部分（每行最后一个字段）
    seq = $NF
    # 计算序列长度
    seq_len = length(seq)
    # 构造新的标识前缀：Assembly_AAAS_序号_长度
    new_id = "Assembly_AAAS_" NR "_" seq_len
    # 输出新标识和原序列
    print new_id, seq
}' your_input_file.txt

命令细节解释： #

• NR：AWK内置变量，表示当前处理的行号，正好用来生成你需要的1、2、3这样的序号
• $NF：表示当前行的最后一个字段，也就是你的序列部分（ATG...）
• length(seq)：直接计算序列字符串的长度，这就是你要的序列长度计算方法
• 最后把构造好的新标识和原序列拼接输出，就得到了你想要的格式

测试你的输入示例： #

输入行：

AAAS:1220136:1220159:-:0::NW_015494524.1:1220136-1220159(-) ATGTCGATGCTCGATC
AAAS::1215902:1215986:-:1::NW_015494524.1:1215902-1215986(-) ATGCGATGCTAGCTAGCTCGAT
AAAS:1215614:1215701:-:1::NW_015494524.1:1215614-1215701(-) ATGCCGCGACGCAGCACCCGACGCGCAG

运行命令后输出：

Assembly_AAAS_1_16 ATGTCGATGCTCGATC
Assembly_AAAS_2_22 ATGCGATGCTAGCTAGCTCGAT
Assembly_AAAS_3_28 ATGCCGCGACGCAGCACCCGACGCGCAG

单独计算序列长度的方法 #

如果只是想批量计算每行序列的长度，用更简单的命令就行：

'{print length($NF)}' your_input_file.txt

这个命令会直接输出每行序列的长度值，对应上面的16、22、28。

内容的提问来源于stack exchange，提问作者Nico64