grep字符串和上层子字符串的和值

我有一个file.fasta，如下所示：

>NODE_1_length_4203_cov_583903
CCCCCAGTAATTGTGCTGCGCGGCGATGCTAACAAGTTAAAATGCTATCGCTGAGCTAAG
AAAAAGCATGGAAGCTTGGTAAAGTACTACAGTACTACGTGAATGTACCATCAGATTGTG
TTTGTTAGTCGCGCTTTTTTTTTTTTGGAATTTTTTGGAATTTTTTTTGCGCTAACAACC
TCCTGCCGTTTTGCCCGTGCATATCGGTCACGAACAAATCTGATTACTAAACACAGTAGC
CACGGGTGGTAAGAGCAGC
.
.
.
>NODE_2_length_1959_cov_102497
ATATAAAAAAAAAAGGAACTCCAAAATGCAAAAAATGTACAAATCTAGAACTCAAAATCA
TGAATTAACAAAAAAAAAAGCCCAAAAGAAAAGCATCACTTGGAATGCAAGAATTTCATC
ATGGAACATAAAAATATAATGAAAATATAACAATCATGGAAGGCAACTGTCATCAAATAA
CAAATCTGAAAAAAATCTCAATGCATCAAGAAAAAACAGAAGCGGTAAAAGCCGTTGACC
TTCTTTGCCTAATGAAATAGAAACAATGCAGAAGTACATCCTGTACCTACTGACACTTAG
ATGTTGATGCTCCTGTTGTTACACGGGTGGTAAGAGCAGCTCTGGACTCGGCGCGCCGTT
TTGGAGGTTGGGTGGATCCTAGTCCACCTGGAAAAATGGCCACACAAAGGGTGTCTAGAA
.
.
.

我想查找特定字符串的所有匹配项（例如“CACGGGTGGTAAGAGCAGC”） 我使用grep这样做：

grep -E "CACGGGTGGTAAGAGCAGC" file.fasta

然后，我要求出这些事件的所有“cov”值之和。因此，脚本必须找到出现的情况，并且每个出现的情况都必须转到以“>”开头的较近的行（或者包含单词“cov”…的行是相同的），并可能打印它以获得如下列表：

>NODE_1_length_4203_cov_583903
>NODE_2_length_1959_cov_102497

然后将cov的值相加，如下所示： 583903+102497= 686400‬

如果您愿意，它甚至可以在一个解决方案中完成这一切，如：

---

查找所查找的所有事件，然后对cov参数的所有值求和（出现在以“>”符号开头的每个事件的上行中）。

awk

在这里是一个不错的选择（下面的代码在

GNU awk

上测试）

• /^>/{n=split（$0，a，“”）}

  如果输入行以
  开头，则创建一个数组

  a

  ，该数组的值基于在
  字符上拆分输入行。元素数保存在

  n

  变量中。数组

  a

  将从

• /CACGGGTGGTAAGAGCAGC/{sum+=a[n]}

  如果输入行与所需搜索匹配，则只需将

  a

  数组的最后一个元素添加到

  sum

  变量（在数值上下文中，默认初始值为

  0

  ）

• END{print sum}

  在输入文件结束后打印结果

另外，请参见bioinfo特定问答网站

$ awk '/^>/{n=split($0,a,"_")} /CACGGGTGGTAAGAGCAGC/{sum+=a[n]} END{print sum}' file.fasta
686400