为多个 fastq 中的每次读取创建读取长度计数

Question

我有一个包含许多 fastq 文件的目录。我正在使用此命令来计算读取长度并输出到新文件中。

sed -n '2~4p' FAX08345_abafd786_a8df7914_1131.fastq | awk '{ print length }' > len.text

我想将此命令应用于目录中的所有 fastq 文件，并且我需要输出以创建唯一的文件名 len.x，例如，其中 x = fastq 的文件名。

我在 Bash 工作。

这是我的文件列表的片段：

FAX08345_abafd786_a8df7914_1131.fastq  FAX08345_abafd786_a8df7914_1173.fastq  FAX08345_abafd786_a8df7914_60.fastq
FAX08345_abafd786_a8df7914_1135.fastq  FAX08345_abafd786_a8df7914_1175.fastq  FAX08345_abafd786_a8df7914_64.fastq 

Answer 1

听起来这可能就是您想要做的：

awk '
    FNR == 1 { close(out); out="len."FILENAME }
    FNR >= 2 { print length() > out }
    FNR == 4 { nextfile }
' *.fastq

如果你的 awk 不支持

nextfile

那么将其更改为：

awk '
    FNR == 1 { close(out); out="len."FILENAME }
    (2 <= FNR) && (FNR <= 4) { print length() > out }
' *.fastq

它的运行速度只会比您使用

nextfile

慢一点。

如果输入文件为空或包含的行数少于 2 行，则上述内容不会生成输出文件。如果这是一个问题，那么请更新您的问题，将此类情况包含在示例输入/输出中，并说明应如何处理以及您使用的 awk 变体（因为使用 GNU awk for

BEGINFILE/ENDFILE

更容易处理）。

我建议，给定一个输入文件

foo.fastq

，不要创建名为

len.foo.fastq

的输出文件，而是创建一个名为

foo.fastq.len

或

foo.len

的输出文件，这样，如果您必须再次运行该工具，则

*.fastq

shell 通配不会获取您的

len

文件。为此，请使用以下任一方法代替

out="len."FILENAME

：

out=FILENAME".len"
out=FILENAME; sub(/\.[^.]+$/,".len",out)