我經常需要在fasta文件中查找特定的序列並將其打印出來。對於那些不知道的人，fasta是生物序列（DNA，蛋白質等）的文本文件格式。這很簡單，你有一個序列名前面有一個'>'的行，然後直到下一個'>'後面的所有行都是序列本身。例如：從fasta文件打印序列
>sequence1
ACTGACTGACTGACTG
>sequence2
ACTGACTGACTGACTG
ACTGACTGACTGACTG
>sequence3
ACTGACTGACTGACTG
目前我得到我所需要的序列的方法是使用grep有-A的，所以我會做
grep -A 10 sequence_name filename.fa
，然後，如果我沒有看到文件中下一個序列的開始，我將把10改爲20並重復，直到我確定我已經完成了整個序列。
看起來應該有更好的方法來做到這一點。例如，我可以讓它打印到下一個'>'字符嗎？
使用>作爲記錄分隔符：
awk -v seq="sequence2" -v RS='>' '$1 == seq {print RS $0}' file
>sequence2
ACTGACTGACTGACTG
ACTGACTGACTGACTG
喜歡這也許：
awk '/>sequence1/{p++;print;next} /^>/{p=0} p' file
因此，如果符合>sequence1開始，設置一個標誌（p）開始打印，打印該行並移動到下一個。在後續行上，如果行以>開頭，請更改p標誌以停止打印。一般來說，打印如果標誌p已設置。所以
grep -A 999999 "sequence1" file | awk 'NR>1 && /^>/{exit} 1'
，最多可打印sequence1後999999條線路和管道他們到awk：
或者提高一點上你grep的解決方案，以此來切斷-A (after)上下文。 Awk然後在第1行之後的任何行的開始處查找>，如果找到一行，則退出。在此之前，1導致awk做它的標準事情，這是打印當前行。
$ perl -0076 -lane 'print join("\n",@F) if $F[0]=~/sequence2/' file
使用sed只：
sed -n '/>sequence3/,/>/ p' | sed '${/>/d}'
+1尼斯。我假設你知道如果你在腳本之後但在文件之前加上'RS ='>''，你就可以爲自己節省'-v' ... – 2014-10-01 15:46:43
我這樣做，但我喜歡將變量保持在前，文件在結束（非常像BEGIN塊可以出現在腳本的任何位置，但通常在開始時看到）。 – 2014-10-01 15:47:27