将序列拆分为固定宽度

Question

我有一个这样的文件，它是一个两列制表符分隔的文件。

CTGCAGTTTCCCCAAATGTGGGAAACTTGACTGTATAATTTGTGGCAGTGGTA   a1
GATTTCCCCAAATGTGGGAAACTCACTCGGCAGGCGTTGATA  a2

我想得到这样的输出：

>a1
CTGCAGTTTCCCCAAATGTG
GGAAACTTGACTGTATAATT
TGTGGCAGTGGTA
>a2
GATTTCCCCAAATGTGGGAA
ACTCACTCGGCAGGCGTTGA
TA

我试图在awk 中使用 fold 命令。是否可以在其中使用另一个命令awk？

另外，我想要的每条线的宽度是 15，所以我尝试了这样的操作，但没有奏效：

awk -F "\t" '{a=$(fold -w 50 $1);print a,$2}' file.txt 

我怎样才能做到这一点？

Answer 1

这里有几种方法：

1. 珀尔

   perl -ane '$F[0]=~s/.{15}/$&\n/g; print ">$F[1]\n$F[0]\n"' file 
   

2. awk

   awk '{i=0; printf ">%s\n",$2;
          while(i<=length($1)){
               printf "%s\n", substr($1,i,15);i+=15
           }}' file
   

如果你真的想fold在 awk 中使用，你可以这样做

awk '{printf ">%s\n",$2; system("echo " $1 "| fold -w 15 ") }' file

你的尝试失败了，因为它$()是一个外壳，而不是一个awk东西。要从内部运行系统命令awk，您需要使用system(). 然后，为了传递价值的$1实际字符串（序列），而不是$1在shell（如果你这样做，shell将试图评估它，它会返回一个空白，因为$1没有设置），您需要排除$1从报价。

所以，在这个例子中，我使用

               |-------------------------> closing quotes for the 1st part
               |                    |----> closing quotes for the 2nd part
               v                    v   
system( " echo "  $1  " | fold -w 15")
        - ----    --- - ------------
        |  |       |  |       |----------> the 2nd part
        |  |       |  |------------------> opening quotes for the 2nd part       
        |  |       |---------------------> The awk variable, `$1`, 
        |  |                               outside the quotes.         
        |  |-----------------------------> The 1st part       
        |--------------------------------> opening quotes for the 1st part