寻求按文件名首下划线前相同ID合并fastq.gz文件的便捷方法

针对你需要合并文件名中第一个下划线前ID相同的fastq.gz文件的需求，这里有几个比手动逐个执行cat更便捷的批量处理方法，完全符合你要求的输出格式和压缩要求：

方法一：Bash循环批量处理 #

这是最直观且容易理解的方式，先提取所有唯一的ID，再循环合并对应文件：

# 遍历所有唯一的ID（提取文件名第一个下划线前的部分）
for id in $(ls *.fastq.gz | cut -d'_' -f1 | sort -u); do
  # 合并所有对应ID的文件，输出为{ID}.fastq.gz
  cat "${id}"_*.fastq.gz > "${id}.fastq.gz"
done

步骤解释： #

• ls *.fastq.gz：列出当前目录下所有fastq.gz格式的文件
• cut -d'_' -f1：按下划线分割文件名，提取第一个字段（也就是你要的ID）
• sort -u：对提取的ID去重，得到唯一的ID列表
• 循环每个ID，用cat拼接所有以该ID开头的压缩文件——划重点：gzip格式支持直接拼接压缩文件，拼接后的文件依然是有效的gzip压缩包，不需要额外做压缩操作

方法二：单行命令（awk + xargs） #

如果喜欢更简洁的单行命令，可以用awk和xargs组合实现：

ls *.fastq.gz | awk -F'_' '{print $1}' | sort -u | xargs -I {} cat {}_*.fastq.gz > {}.fastq.gz

步骤解释： #

• awk -F'_' '{print $1}'：和cut作用类似，按下划线分割并提取第一个字段
• xargs -I {}：把每个唯一ID替换为{}，然后执行后续的cat命令完成合并

安全验证小技巧 #

在正式执行合并前，可以先把cat换成echo，预览一下将要执行的命令，确保不会误操作：

for id in $(ls *.fastq.gz | cut -d'_' -f1 | sort -u); do
  echo cat "${id}"_*.fastq.gz > "${id}.fastq.gz"
done

这样你可以先确认每个合并命令是否正确，没问题再替换回cat执行即可。

内容的提问来源于stack exchange，提问作者user2300940