如何使用 for 循環從各種文件中刪除 .extension 之前的四個隨機字元？
我正在從事一個生物資訊學領域的本科研究項目，並且我正在研究文件處理的管道。一些背景知識：我正在使用鳥槍法宏基因組數據，這些數據是非常大的 A、T、G、C 樣本（DNA 樣本中的核苷酸），以及從我收集的一些限定符中。我已經完成了管道的幾個步驟，這些步驟對文件進行了一些修剪和清理，並添加了一些限定符。重要的是這些讀取大多是成對的末端讀取，這意味著兩個文件從右到左和從左到右讀取核苷酸。
在此之前，我基本上只學習生物學和生態學，所以我真的沒有任何關於編碼或如何/為什麼做事情或常見做法/功能等的上下文。你明白了。
也就是說，我自學了 UNIX 中循環和字元串操作的基本知識，使用不同的模組和函式製作了一些在不同文件夾中執行的 bash 文件。這是範常式式碼：
cd ~/ncbi/public/sra/indian for forward_read_file in *_1.fastq do rev=_2 reverse_read_file=${forward_read_file/_1/$rev} perl /home/gomeza/shared/sharm646-2021-02-24-09_22/Softwares/NGSQCToolkit_v2.3.3/Trimming/AmbiguityFiltering.pl -i ${forward_read_file} -irev ${reverse_read_file} -c 1 -t5 -t3 rm ${forward_read_file} ${reverse_read_file} done #CAMEROON cd ~/ncbi/public/sra/cameroon for forward_read_file in *_1.fastq do rev=_2 reverse_read_file=${forward_read_file/_1/$rev} perl /home/gomeza/shared/sharm646-2021-02-24-09_22/Softwares/NGSQCToolkit_v2.3.3/Trimming/AmbiguityFiltering.pl -i ${forward_read_file} -irev ${reverse_read_file} -c 1 -t5 -t3 rm ${forward_read_file} ${reverse_read_file} done等等許多文件夾。我使用字元串操作來獲取 for 循環的每次迭代以呼叫配對的結束文件，然後為我正在使用的模組呼叫一些參數和參數。
我現在遇到的一個大問題是，我想不出一種方法來為管道中的下一步配對配對的最終文件，因為它們在擴展之前有四個隨機字元，我無法預測它們。它們不包含有意義的數據，所以我的計劃是從文件名中刪除它們並像我一樣繼續。
以下是問題文件的範例；問題是字元串末尾的四個字元。如果我擺脫了這些，我可以像往常一樣進行字元串操作。
SRR5898908_1_prinseq_good_ZsSX.fastq SRR5898928_2_prinseq_good_VygO.fastq SRR5898979_1_prinseq_good_CRzI.fastq SRR6166642_2_prinseq_good_nqVP.fastq SRR6166693_2_prinseq_good_y_OD.fastq SRR5898908_2_prinseq_good_HPTU.fastq SRR5898929_1_prinseq_good_p2mS.fastq SRR5898979_2_prinseq_good_vYcE.fastq SRR6166643_1_prinseq_good_fc8y.fastq SRR6166694_1_prinseq_good_Ka1C.fastq SRR5898909_1_prinseq_good_X41r.fastq SRR5898929_2_prinseq_good_uO8g.fastq SRR5898980_1_prinseq_good_WuPS.fastq SRR6166643_2_prinseq_good_QUUK.fastq SRR6166694_2_prinseq_good_ZlNk.fastq SRR5898909_2_prinseq_good_GbmA.fastq SRR5898930_1_prinseq_good_3qyA.fastq其中開始的 SRRxxxxx 是樣本，1或2分別是正向和反向讀取，因此是我的字元串操作。問題是字元串末尾的四個字元。如果我擺脫了這些，我可以像往常一樣進行字元串操作。我的導師建議我以某種方式使用 FIND 或 CUT 函式，並談到使用 find 的返回作為變數來操作，但我覺得這仍然會遇到同樣的問題。
如何使用 for 循環安全地刪除這些字元？或者任何你認為最有效的方法。
謝謝！
嘗試這樣的事情：
for forward_read_file in *_1*.fastq; do srr=$(echo "$forward_read_file" | cut -d_ -f1) rrf_array=( $(find . -name "${srr}_2_*.fastq") ) case "${#rrf_array[@]}" in 0) echo "Warning: No reverse read file found for $forward_read_file" > /dev/stderr ;; 1) reverse_read_file="${rrf_array[1]}" perl /home/gomeza/shared/sharm646-2021-02-24-09_22/Softwares/NGSQCToolkit_v2.3.3/Trimming/AmbiguityFiltering.pl -i "$forward_read_file" -irev "$reverse_read_file" -c 1 -t5 -t3 ;; *) echo "Error: multiple reverse read files found for $forward_read_file" > /dev/stderr ;; esac done這會遍歷所有
_1文件。它用於cut提取 SRR 樣本 ID，然後將其與find命令一起使用以查找任何匹配的_2文件。find的輸出儲存在一個數組中，因為我們不知道可能返回多少個結果。它處理三種可能的結果——沒有匹配（不好）、正好 1 個匹配（好，這就是我們想要的）和超過 1 個匹配（同樣，不好）。
如果只有一個結果，請從數組中提取匹配文件並使用您的 perl 腳本對其進行處理。
如果有零個或多個結果，則將警告消息列印到 stderr 並繼續下一個
_1文件名。如果您願意，您可以在這些情況之前添加; exit 1（或其他程式碼來處理錯誤） 。;;這將忽略文件名的所有部分，除了開頭的 SRR 樣本 id 和將其標識為正向或反向配對文件的 or
_1。_2順便說一句，這可以用一個
if; then; else代替case語句來完成，但我認為以不同的方式處理零個和一個以上的情況很有用。例如if [ "${#rrf_array[@]}" == 1 ]; reverse_read_file="${rrf_array[1]}" perl /home/gomeza/shared/sharm646-2021-02-24-09_22/Softwares/NGSQCToolkit_v2.3.3/Trimming/AmbiguityFiltering.pl -i "$forward_read_file" -irev "$reverse_read_file" -c 1 -t5 -t3 else echo "Warning: unknown problem with reverse read file for $forward_read_file" > /dev/stderr fi如果您只想忽略“問題”文件，請刪除該
else塊。順便說一句，為了讓你的腳本更具可讀性，我建議在你的腳本頂部附近做這樣的事情：
AFilter='/home/gomeza/shared/sharm646-2021-02-24-09_22/Softwares/NGSQCToolkit_v2.3.3/Trimming/AmbiguityFiltering.pl'然後：
perl "$AFilter" -i "$forward_read_file" -irev "$reverse_read_file" -c 1 -t5 -t3或者，如果 perl 腳本是可執行的（即帶有
#!/usr/bin/perl或類似的 shebang 行，並且可執行標誌設置為chmod +x），您可以添加/home/gomeza/shared/sharm646-2021-02-24-09_22/Softwares/NGSQCToolkit_v2.3.3/Trimming/到 $PATH：PATH="$PATH:/home/gomeza/shared/sharm646-2021-02-24-09_22/Softwares/NGSQCToolkit_v2.3.3/Trimming"並將腳本執行為：
AmbiguityFiltering.pl -i "$forward_read_file" -irev "$reverse_read_file" -c 1 -t5 -t3