Unix 数据工具

我们将重点学习如何使用核心 Unix 工具来操作和探索纯文本数据格式。生物信息学中的许多格式都是以字符分隔的简单表格纯文本文件。生物信息学中最常用的纯文本文件格式是制表符分隔格式。这并非偶然：大多数 Unix 工具（如 cut 和 awk）默认将制表符作为分隔符。由于使用 Unix 工具处理这些文件非常方便，生物信息学逐渐倾向于使用制表符分隔格式。制表符分隔的文件格式也很容易用 Python 和 Perl 等脚本语言进行解析，并很容易加载到 R 中

检查数据的头部与尾部

使用 head 来检查头部：

bash

% head sequence_01.fasta 
>sequence_1
ATGCGTACGTAGCTAGCTAGCTAGCTAGCTAGCTAGCTAGCTAGCTAGC
TACGATCGATCGATCGATCGATCGATCGATCGATCGATCGATCGATCGA
CGTAGCTAGCTAGCTAGCTAGCTAGCTAGCTAGCTAGCTAGCTAGCTAG
ASDE

可以使用 -n 来定义检查头部的行数：

bash

% head -n 3 sequence_01.fasta 
>sequence_1
ATGCGTACGTAGCTAGCTAGCTAGCTAGCTAGCTAGCTAGCTAGCTAGC
TACGATCGATCGATCGATCGATCGATCGATCGATCGATCGATCGATCGA

使用 tail 来检查尾部，同样适用 -n 来控制显示的行数：

bash

% tail -n 3 sequence_01.fasta
TACGATCGATCGATCGATCGATCGATCGATCGATCGATCGATCGATCGA
CGTAGCTAGCTAGCTAGCTAGCTAGCTAGCTAGCTAGCTAGCTAGCTAG
ASDE

同时 tail 还提供了自定义从哪一行开始，使用 +x，此时 tail 就会从 x 行开始读取

bash

% tail -n +3 sequence_01.fasta
TACGATCGATCGATCGATCGATCGATCGATCGATCGATCGATCGATCGA
CGTAGCTAGCTAGCTAGCTAGCTAGCTAGCTAGCTAGCTAGCTAGCTAG
ASDE

less 也是极为强大的文件查看工具：

bash

less [选项] 文件名

-N：显示行号
-i：忽略搜索时的大小写
-F：如果文件内容少于一屏就自动退出
-X：退出时不清理屏幕
-S：截断长行而不是换行显示

使用 less 和使用 vim 是差不多的，会进入一个交互式终端：

常用操作命令：

空格键 或 f：向下翻一页
b：向上翻一页
Enter 或 e：向下翻一行
y：向上翻一行
d：向下翻半页
u：向上翻半页
g：跳到文件开头
G：跳到文件末尾
50g：跳到第50行
50%：跳到文件50%的位置
v：使用默认编辑器编辑当前文件
h：显示帮助
q：退出 less

bash

less file1 file2 # 查看多个文件
ls -l | less # 查看命令输出
less file.gz # 查看压缩文件
less -p "search_term" filename # 高亮搜索内容

Unix 数据工具 ​

检查数据的头部与尾部 ​

Unix 数据工具

检查数据的头部与尾部