选取长度最长的行

蓝色未央

数据处理过程中遇到一些问题，希望大神帮忙解决：

1.txt如下，header里面同一个comp, 有很多片段（seq）, 目标是同一个comp，可以依据len长度，选取最长的片段，O(∩_∩)O谢谢
>comp0_seq0 len=4383 path=[0:894;27:5;26:407;24:18;23:463;21:4;20:79;19:28;29:74;17:7;16:266;14:8;15:73;9:89;7:337;6:4;4:44;3:6;1:498;12:1079]
CTTTAAATACTATAAGATTGTTTTCTTTTTATCTTTATTTCTTTTAAAGATACTACTTAG
GTATGTTTTTTGTATAATAGCTTTTTTTATTCTTTTTTTGGTTTGTTCAATAATTGGGTA
GCTAACTAGAGTGCCAGCAGCTGCGGTTATTCTCTGTATTGCTTTTTATTTATTTTTTTG
>comp0_seq1 len=2968 path=[30:483;29:74;17:7;16:266;13:3;10:5;15:73;8:91;7:337;5:4;4:44;2:4;1:498;12:1079]
TACGCTTTGAATCAGTTGGAAAATAATTGATCAGTGCATAATCTCTAAATAGTCTGATCT
AGTGACTGTTAAAAACGTAAGCTTGGAAAATAATATTTTTTTTATTGAATAAATTTTTTT
ATTTGTTTATTTTATTGATTTTTTACAAAATAATTTTGTAATAAACATCAAAATTTTGGG
AATTGTATAGTAATAGATTGTTGAAATGTTAATATTTTTTTAAAATG
>comp1_seq0 len=4363 path=[0:279;13:1768;11:2;9:802;6:1;4:15;2:8;1:1247;15:241]
GAGTAAATGATATGATTCTTGTATTATTGTTGGTTGTTAAAATTTAAAATTTCTGTAAAG
ATGCAGTTGTTAGTTTAAAGACGAAAAGACCCTACAGAGCTTTTAGTTTATTTGTTTGTT
GCTTTTGGATGGGATATTCTCTTTTTTTTTAAAAGATTGTTTAATATGTTAAGCTTCCTT
AGGGATAACAGGGAGATATTTTCTAGGAGTTCGTATCTAAGAATTTGTTTTCTACCTCGA
TGTTGAATTATAGTTAAGCTTGGGAGCAGGAGCTC
>comp1_seq1 len=4738 path=[0:279;13:1768;17:377;9:802;6:1;4:15;3:8;1:1247;15:241]
GTGCTGCAAATACTTTAGATATTGCTTTTAATACATTTTTTTATTTTTGCTTGAAAATAG
CTGATTGAGTT
>comp1_seq2 len=3450 path=[14:311;13:1768;12:278;9:802;6:1;5:165;8:125]
TACGCTTTGAATCAGTTGGAAAATAATTGATCAGTGCATAATCTCTAAATAGTCTGATCT
AGTGACTGTTAAAAAC



结果文件：
>comp0_seq0 len=4383 path=[0:894;27:5;26:407;24:18;23:463;21:4;20:79;19:28;29:74;17:7;16:266;14:8;15:73;9:89;7:337;6:4;4:44;3:6;1:498;12:1079]
CTTTAAATACTATAAGATTGTTTTCTTTTTATCTTTATTTCTTTTAAAGATACTACTTAG
GTATGTTTTTTGTATAATAGCTTTTTTTATTCTTTTTTTGGTTTGTTCAATAATTGGGTA
GCTAACTAGAGTGCCAGCAGCTGCGGTTATTCTCTGTATTGCTTTTTATTTATTTTTTTG
>comp1_seq1 len=4738 path=[0:279;13:1768;17:377;9:802;6:1;4:15;3:8;1:1247;15:241]
GTGCTGCAAATACTTTAGATATTGCTTTTAATACATTTTTTTATTTTTGCTTGAAAATAG
CTGATTGAGTT


O(∩_∩)O谢谢各位

jason680

回复 1# 蓝色未央

$ awk -vRS="\n>" 'function g(s,d){sub(d,"",s);return(s)}{sub(">","",$1);k=g($1,"_.*");l=g($2,"len=");if(a[k]<l){a[k]=l;b[k]=">"$0}}END{for(n in b)print b[n]}' FILE
>comp0_seq0 len=4383 path=[0:894;27:5;26:407;24:18;23:463;21:4;20:79;19:28;29:74;17:7;16:266;14:8;15:73;9:89;7:337;6:4;4:44;3:6;1:498;12:1079] CTTTAAATACTATAAGATTGTTTTCTTTTTATCTTTATTTCTTTTAAAGATACTACTTAG GTATGTTTTTTGTATAATAGCTTTTTTTATTCTTTTTTTGGTTTGTTCAATAATTGGGTA GCTAACTAGAGTGCCAGCAGCTGCGGTTATTCTCTGTATTGCTTTTTATTTATTTTTTTG
>comp1_seq1 len=4738 path=[0:279;13:1768;17:377;9:802;6:1;4:15;3:8;1:1247;15:241]
GTGCTGCAAATACTTTAGATATTGCTTTTAATACATTTTTTTATTTTTGCTTGAAAATAG
CTGATTGAGTT

zxy877298415

回复 1# 蓝色未央

1. awk -vRS='>' -F '[_ =]+' 'NF{a[$1 $4]=$0;if(b[$1]<$4) {b[$1]=$4}}END{for(i in b) printf ">"a[i b[i]]}' file

复制代码

蓝色未央

回复 2# jason680

谢谢您的帮助

蓝色未央

回复 3# zxy877298415

谢谢大神，awk真是神一般的存在