如何在Linux/Unix中查找与标识符匹配的字符序列？

我有一个名为

mytext.fasta

的fasta文件

mytext.fasta

>lcl|NW_001820834.1_gene_4 [locus_tag=SS1G_01081] [db_xref=GeneID:5493597] [partial=5',3'] [location=complement(<6452..>8801)] [gbkey=Gene]
ATGCAATTGGCAGCAGTCCTAAGCCTCGTGGGCTTGGTTACGGCTCAATGTCCGTACGGATTTGACACAC
CACTTCAAAAGCGTGAATCTATTGATGCTCAAGCCAGTAGTTCTAGTTTCTTGAATCAATTCACAATTAA
CGATACCGATGCACACTTTACCACCGACGCAGGTGGGCCTATGCAAGAGGACACTAGTTTGAAAGCTGGG
>lcl|NW_001820834.1_gene_5 [locus_tag=SS1G_01082] [db_xref=GeneID:5493601] [partial=5',3'] [location=<9695..>10785] [gbkey=Gene]
ATGTTTTCCGGTCCCCAGAAACTTGGCAACGCCAAACAAAAATCAATTGGCCTCGCTTGTCACACAATTA
GTCCCCACGAAGCCTTGTACAAACTAGCCACTGGCTCGTCCCGGACCATTAGGGCAATGTTCAACAGAGA
>lcl|NW_001820834.1_gene_6 [locus_tag=SS1G_01083] [db_xref=GeneID:5494096] [partial=5',3'] [location=<12203..>15199] [gbkey=Gene]
ATGAGAGGCAAGCTTGGTGTCACAGTTGCTGCATTTGCGACGGCATTTCTAAATACGACACTTGCTCAAG
ACTCAACATCATCACAAGCGGATGCGGATACTACCACAAGTTATTGTCCCGTTTACACGCTCACAGCTTC
AGTTGATGCCAGCGCACCTATTATCCCAAACATCCACGATCCGCAGGCAATTAATCCACAAGATGTTTGT
CCGGGGTATACTGCATCCAATGTGAAGCGAACCTCTCACGGATTGACGGCTTCTCTGTCATTGGCTGGTG

相反，我想得到：

>lcl|NW_001820834.1_gene_5 [locus_tag=SS1G_01082] [db_xref=GeneID:5493601] [partial=5',3'] [location=<9695..>10785] [gbkey=Gene]
ATGTTTTCCGGTCCCCAGAAACTTGGCAACGCCAAACAAAAATCAATTGGCCTCGCTTGTCACACAATTA
GTCCCCACGAAGCCTTGTACAAACTAGCCACTGGCTCGTCCCGGACCATTAGGGCAATGTTCAACAGAGA

>lcl | NW_001820834.1_gene_5[locus_tag=SS1G_01082][db_xref=GeneID:5493601][partial=5'，3'][location=10785][gbkey=gene]
ATGTTTTCGGTCCCAGAAACTTGGCAACGCCAACAAAATCAATTTGGCCTCGCTTGTCACACAATTA
GTCCACGCAAGCCTTGTACAACTAGCCATGCTCGTCCCGGACCATAGGCAATGTTCAAGA

---

如果您注意到，在这个文件中，每个序列都以

开头，所以我想在执行grep时获得序列的完整长度。如何完成此操作？

使用自定义的

RS

，使用

gnu awk

更容易：

awk -v RS='(^|\n)>' '/SS1G_01082/{print RT $0}' file

>lcl | NW_001820834.1_gene_5[locus_tag=SS1G_01082][db_xref=GeneID:5493601][partial=5'，3'][location=10785][gbkey=gene]
ATGTTTTCGGTCCCAGAAACTTGGCAACGCCAACAAAATCAATTTGGCCTCGCTTGTCACACAATTA
GTCCACGCAAGCCTTGTACAACTAGCCATGCTCGTCCCGGACCATAGGCAATGTTCAAGA

@anbhava谢谢，但我不知道为什么在我做管道时这不起作用。我的命令如下：

esearch-db nuccore-q'SS1G_01082[gene]'| efilter-source refseq-molecular genomic | efetch-format gene_fasta | awk-v RS='/SS1G_01082/'

。最后一位（

awk-vrs='/SS1G_01082/'

）应该过滤掉所需的序列，但它给了我一切。if

esearch-db nuccore-q'SS1G_01082[基因]“| efilter-source refseq-molecular genomic | efetch-format gene_fasta

命令给出与上面所示完全相同的输出，即每个记录后都有一个空行，那么这个

awk

应该有效否，输出没有空行。我已经更新了我的问题。

awk -v RS='(^|\n)>' '/SS1G_01082/{print RT $0}' file

>lcl|NW_001820834.1_gene_5 [locus_tag=SS1G_01082] [db_xref=GeneID:5493601] [partial=5',3'] [location=<9695..>10785] [gbkey=Gene]
ATGTTTTCCGGTCCCCAGAAACTTGGCAACGCCAAACAAAAATCAATTGGCCTCGCTTGTCACACAATTA
GTCCCCACGAAGCCTTGTACAAACTAGCCACTGGCTCGTCCCGGACCATTAGGGCAATGTTCAACAGAGA