如何在序列标题之后和实际序列之前添加换行符？

Question

我有一个包含多个序列的文件，问题是id后面有一个空格然后是实际序列，我想在id和实际序列之间添加一个换行符。

这就是我所拥有的：

UniRef90_Q8YC41 Putative binding protein BMEII0691 MNRFIAFFRSVFLIGLVATAFGRACA

这就是我想要的样子：

UniRef90_Q8YC41 Putative binding protein BMEII0691
MNRFIAFFRSVFLIGLVATAFGRACA

如果可能的话，我宁愿它看起来像这样

UniRef90_Q8YC41
MNRFIAFFRSVFLIGLVATAFGRACA

Answer 1

• 使用awk, 打印第一个和最后一个字段\n作为分隔符：

  awk '{printf "%s\n%s\n", $1, $NF}' file.txt
  

• sed在匹配和使用替换时使用，捕获第一个和最后一个字段：

  sed -E 's/([^[:blank:]]+).*[[:blank:]]([^[:blank:]]+)$/\1\n\2/' file.txt
  

• 与perl，类似的逻辑sed：

  perl -pe 's/^([^\s]+).*\s([^\s]+)/$1\n$2/' file.txt
  

• 使用bash，更慢的办法，产生从每一行的阵列，并且通过将它们分开第一印版和最后一个元素从数组\n：

  awk '{printf "%s\n%s\n", $1, $NF}' file.txt
  

• 使用python，从每一行创建一个包含空格分隔元素的列表，然后打印列表中的第一个和最后一个元素，用 分隔\n：

  sed -E 's/([^[:blank:]]+).*[[:blank:]]([^[:blank:]]+)$/\1\n\2/' file.txt
  

例子：

$ cat file.txt                               
UniRef90_Q8YC41 Putative binding protein BMEII0691 MNRFIAFFRSVFLIGLVATAFGRACA
UniRef90_Q8YC41 Putative binding protein BMEII0691 MNRFIAFFRSVFLIGLVATAFGRACA

$ awk '{printf "%s\n%s\n", $1, $NF}' file.txt                             
UniRef90_Q8YC41
MNRFIAFFRSVFLIGLVATAFGRACA
UniRef90_Q8YC41
MNRFIAFFRSVFLIGLVATAFGRACA

$ sed -E 's/([^[:blank:]]+).*[[:blank:]]([^[:blank:]]+)$/\1\n\2/' file.txt
UniRef90_Q8YC41
MNRFIAFFRSVFLIGLVATAFGRACA
UniRef90_Q8YC41
MNRFIAFFRSVFLIGLVATAFGRACA

$ perl -pe 's/^([^\s]+).*\s([^\s]+)/$1\n$2/' file.txt
UniRef90_Q8YC41
MNRFIAFFRSVFLIGLVATAFGRACA
UniRef90_Q8YC41
MNRFIAFFRSVFLIGLVATAFGRACA


$ while read -ra line; do printf '%s\n%s\n' "${line[0]}" "${line[$((${#line[@]]}-1))]}"; done <file.txt
UniRef90_Q8YC41
MNRFIAFFRSVFLIGLVATAFGRACA
UniRef90_Q8YC41
MNRFIAFFRSVFLIGLVATAFGRACA

>>> with open("file.txt") as f:
...     for line in f:
...         line = line.split()
...         print(line[0]+'\n'+line[-1])
... 
UniRef90_Q8YC41
MNRFIAFFRSVFLIGLVATAFGRACA
UniRef90_Q8YC41
MNRFIAFFRSVFLIGLVATAFGRACA

Answer 2

在这个答案中：

1. bash+xargs单线
2. python 单线
3. Ruby 单线

1. bash+xargs版本。

$> cat input_file.txt  | xargs -L 1 bash -c 'for i; do : ; done ; echo $1;echo $i' bash 

这基本上将每一行作为命令行参数提供给 bash，循环直到我们得到最后一行，然后将它们回显出来。

演示：

$> cat input_file.txt                                                                     
UniRef90_Q8YC41 Putative binding protein BMEII0691 MNRFIAFFRSVFLIGLVATAFGRACA
UniRef90_Q8YC41 Putative binding protein BMEII0691 MNRFIAFFRSVFLIGLVATAFGRACA
$> cat input_file.txt  | xargs -L 1 bash -c 'for i; do : ; done ; echo $1;echo $i' bash   
UniRef90_Q8YC41
MNRFIAFFRSVFLIGLVATAFGRACA
UniRef90_Q8YC41
MNRFIAFFRSVFLIGLVATAFGRACA

更短的版本：

$> cat input_file.txt  | xargs -L 1 bash -c 'echo $1;echo ${@: -1}' bash                  
UniRef90_Q8YC41
MNRFIAFFRSVFLIGLVATAFGRACA
UniRef90_Q8YC41
MNRFIAFFRSVFLIGLVATAFGRACA

2 . python单线

这个单行组合了一个字符串列表，这些字符串基本上是第一个单词 + 换行符 + 最后一个单词。最后，它将所有列表项打印为一个用换行符连接的字符串。

python -c 'import sys ; print "\n".join([ l.split()[0] + "\n" + l.split()[-1]  for l in sys.stdin ])' < input_file.txt

使用演示：

$ python -c 'import sys ; print "\n".join([ l.split()[0] + "\n" + l.split()[-1]  for l in sys.stdin ])' < input_file.txt
UniRef90_Q8YC41
MNRFIAFFRSVFLIGLVATAFGRACA
UniRef90_Q8YC41
MNRFIAFFRSVFLIGLVATAFGRACA

3. 红宝石单层

在这个班轮中，-n标志作为while gets . . . end循环。$_保存每行读取的值，因此每行我们将其拆分为一个单词数组，然后打印第一个和最后一个。

$ ruby -ne 'words=$_.split(); puts words[0],words[-1]' < input_file.txt                   
UniRef90_Q8YC41
MNRFIAFFRSVFLIGLVATAFGRACA
UniRef90_Q8YC41
MNRFIAFFRSVFLIGLVATAFGRACA

Answer 3

红宝石版

File.open(ARGV[0]) do |f|
  f.each do |line|
    puts "#{line.partition(' ')[0] + "\n" + line.rpartition(' ')[-1]}"
  end
end

将它保存为任何名称line_breaker.rb并运行它，ruby line_breaker.rb file.txt而file.txt是您存储序列的文件。