regex - 使用bash计算模式之间的行/字符

我想计算每个对象（在这里GeneID:1，gi|479，nf|NZ_AC14）的所有字符（ACGT），以便我知道每个对象的长度（无需计算A的数量， C..）

>GeneID:1
ATGCGTTTGCGTTTGCAAATCGACTAGCTTTTGGCCCAAAGCGTGCTGCAAAAGTATGGA
AGTAAAGCTACCGTACGTAGCTAAGCCTACCGATCGATCGATCGATCGACGCCCCCCCCC
>gi|479
ATGGATTGGATGGAATCACAATTCAAGACATGTACGCATGGCTGCGACTGGAAG
>nf|NZ_AC14
ATGGCTAGATATGTCGTATGTTGGATGTTCACCATCAACAATCCCG

我有多个这样的文件，我想使用bash命令使所有操作都自动化，但我什至不知道从哪里开始（大多数情况下我只在以>开头的行中计数）

所需的输出将是：

>GeneID:1 121
>gi|479 54
>nf|NZ_AC14 47

但是如果我只有这个号码也可以。

谢谢

最佳答案

使用awk：

awk -v RS='>[^\n]+' 'oRT{gsub("\n","");print oRT,length()}{oRT=RT}'  file

记录分隔符设置为以>开头的基因名称。记录的所有字段通过删除换行符而串联在一起。然后打印记录的长度。

变量oRT设置为捕获上一行的记录终止符RT。