從文件中輸出選定的行作爲第一列，文件名稱作爲第二個coulmn

我剛剛開始在win7中使用powershell，以便爲程序mothur生成管道式腳本。之前我在ubuntu中使用bash腳本來做到這一點。我很高興現在一切都運作良好，除了一個任務：從文件中輸出選定的行作爲第一列，文件名稱作爲第二個coulmn

我想喜歡格式化FASTA文件的格式爲：

filename.fasta: 

>HXXC990 
AGTTCAAGGTCTCT 
>HXXC991 
GGGTTTCAAATCTC 
>HXXC992 
GGGTCTCTCCTATA

爲一個文件，是製表符分隔，看起來像即

output.file: 

HXXC990 filename 
HXXC991 filename 
HXXC992 filename

重要的是，輸出文件的第一列包含沒有「>」 - 符號的名稱。第二個由製表符分隔列原始文件名.fasta沒有後綴（「文件名」）。我有解決方案gci讀出文件的基本名稱和選擇字符串輸出所有以「>」開頭的行。唯一的問題仍然是在兩列中格式化和第二列中文件名稱的不斷重複。

我試過到目前爲止：

Select-String '>' .\filename.fasta | % {$_.Line} | set-content output.txt

生產含有隻包含了「>」符號的行的文件。之後，我將其替換。文件名我已經

$base1 = gci filename.fasta | % {$_.BaseName}

來源

2013-04-06 user2251977

所以我已經試過「選擇-string'>'。\ filename.fasta |％{$ _。Line} | set-content output.txt「生成一個僅包含」>「符號的行的文件。之後，我將其替換。我得到的文件名是$ base1 = gci filename.fasta | ％{$ _。BaseName}。 – user2251977 2013-04-06 11:25:14

我冒昧地用你的代碼片段更新你的問題。 – 2013-04-06 12:38:13

當然。謝謝。那是我的錯，對不起！再次感謝！未來的帖子現在肯定會採用正確的格式。 – user2251977 2013-04-06 15:47:42

得到試試這個：

select-string '^>' filename.fasta | % { 
    $_ -replace '^.*\\(.*?)\.fasta:\d+:>(.*)$', "`$2`t`$1" 
} > output.file

請注意，你的正則表達式應該是^>，不只是>。後者將在任何地方匹配>。

這可應用於多單文件是這樣的：

$recurse = $false 

Get-ChildItem "C:\base\folder" -Filter *.fasta -Recurse:$recurse ` 
    | select-string '^>' ` 
    | % { $_ -replace '^.*\\(.*?)\.fasta:\d+:>(.*)$', "`$2`t`$1" } > output.file

來源

2013-04-06 12:31:43

非常感謝！那正是我正在尋找的。我仍然必須習慣語法。我曾經使用awk進行這些操作。但在Windows環境中，使用PowerShell更優雅。再次感謝！ – user2251977 2013-04-06 15:44:23

這裏的另一種解決方案，顯示了所涉及的操作有些不同的選項：

gci *.fasta | select-string '^>(.+)' | 
% {"{0}`t{1}" -f $_.matches.groups[1],$_.filename.split('.')[0]} | 
Set-Content output.file

來源

2013-04-06 15:44:30 mjolinor

從文件中輸出選定的行作爲第一列，文件名稱作爲第二個coulmn

回答

相關問題