python & shell：去除fasta文件的换行符

导读

很多程序输出的fasta序列每60个碱基会换一次行，下面是一个去除碱基序列后的换行符的方法。

一、输入

cat test
# 一个随便写的文件
>sequence_1
AAAA
GGGG
CCCC
TTTT
>sequence_2
aaaa
gggg
cccc
tttt

二、去换行符：python

• 脚本：python3

#!/usr/bin/env python3
import os
import sys
import re

ms, infile, outfile = sys.argv

with open(infile) as f:
    Dict = {}
    for line in f:
        if line[0] == ">":
            key = line.strip()
            Dict[key] = []
        else:
            Dict[key].append(line.strip())

with open(outfile, 'w') as o:
    for key, value in Dict.items():
        o.write("{}\n{}\n".format(key, ''.join(value)))

• 运行：python3

python3 trim_enter.py test test2

• 结果：python3

>sequence_1
AAAAGGGGCCCCTTTT
>sequence_2
aaaaggggcccctttt

三、去换行符：shell

• 运行：shell单行命令

awk '!/^>/{printf "%s", $0; n="\n"}/^>/{print n $0; n=""}END{printf "%s", n}' test > test2

在不以>开头的行中，打印不带换行符的行，并存储一个换行字符(在变量n中)以供以后使用。
在以>开头的行中，打印存储的换行字符(如果有的话)和该行。
重置n，以防这是最后一行。如果需要，以换行结束。

• 结果：shell

cat test2
# 随便看看结果
>sequence_1
AAAAGGGGCCCCTTTT
>sequence_2
aaaaggggcccctttt

参考：
remove line breaks in a fasta file