导读
很多程序输出的fasta序列每60个碱基会换一次行,下面是一个去除碱基序列后的换行符的方法。
一、输入
cat test
# 一个随便写的文件
>sequence_1
AAAA
GGGG
CCCC
TTTT
>sequence_2
aaaa
gggg
cccc
tttt
二、去换行符:python
脚本:python3
#!/usr/bin/env python3
import os
import sys
import re
ms, infile, outfile = sys.argv
with open(infile) as f:
Dict = {}
for line in f:
if line[0] == ">":
key = line.strip()
Dict[key] = []
else:
Dict[key].append(line.strip())
with open(outfile, 'w') as o:
for key, value in Dict.items():
o.write("{}\n{}\n".format(key, ''.join(value)))
运行:python3
python3 trim_enter.py test test2
结果:python3
>sequence_1
AAAAGGGGCCCCTTTT
>sequence_2
aaaaggggcccctttt
三、去换行符:shell
运行:shell单行命令
awk '!/^>/{printf "%s", $0; n="\n"}/^>/{print n $0; n=""}END{printf "%s", n}' test > test2
在不以>开头的行中,打印不带换行符的行,并存储一个换行字符(在变量n中)以供以后使用。
在以>开头的行中,打印存储的换行字符(如果有的话)和该行。
重置n,以防这是最后一行。如果需要,以换行结束。
结果:shell
cat test2
# 随便看看结果
>sequence_1
AAAAGGGGCCCCTTTT
>sequence_2
aaaaggggcccctttt