前面我们提到pipeline处理多个文件有两种方式，一种是先读取存储数据信息的配置文件，另一种是直接通过一定的条件选取数据。通过find命令可以帮助我们灵活的查找相关文件，下面具体介绍一下。
Find 表达式
find的使用格式为：find 路径 表达式。路径不必多说，可以使用 . 代表当前路径，关键点在于表达式。由于find命令是递归查看当前目录的，不加其它参数可以用来展示指定目录的文件结构：
$ find data
data
data/seqs
data/seqs/zmaysB_R1.fastq
data/seqs/zmaysB_R2.fastq
data/seqs/zmaysA_R1.fastq
data/seqs/zmaysA_R2.fastq
data/seqs/zmaysC_R1.fastq
data/seqs/zmaysC_R2.fastq
可以指定-maxdepth来查找深度：
$ find data -maxdepth 1
data
data/seqs
find表达式本质上是判断，可以通过很多属性来查找文件，例如文件名、文件的创建时间和文件的属性等。其中文件名是最常用的操作，例如我们想要查找目录中zmaysA相关的fastq文件，可以使用如下命令：
$ find data/seqs/ -name "zmaysA*.fastq"
data/seqs/zmaysA_R1.fastq
data/seqs/zmaysA_R2.fastq
可以通过-type f参数指定结果只返回文件而不是目录：
$ find data/seqs/ -name "zmaysA*.fastq" -type f
data/seqs/zmaysA_R1.fastq
data/seqs/zmaysA_R2.fastq
注：一般来说，-type我们只会用到f（文件），d（目录）和l（链接）参数值。
多个find表达式之间可以通过逻辑组合，默认使用-and，所以上条命令等价于：
$ find data/seqs/ -name "zmaysA*.fastq" -and -type f
data/seqs/zmaysA_R1.fastq
data/seqs/zmaysA_R2.fastq
通过-or参数查找A与B样本数据：
$ find data/seqs/ -name "zmaysA*.fastq" -or -name "zmaysB*.fastq"
data/seqs/zmaysB_R1.fastq
data/seqs/zmaysB_R2.fastq
data/seqs/zmaysA_R1.fastq
data/seqs/zmaysA_R2.fastq
由于这里只有A，B，C三个样本，上条命令又等价于查找非C样本数据：
$ find data/seqs/ -type f -not -name "zmaysC*.fastq"
data/seqs/zmaysB_R1.fastq
data/seqs/zmaysB_R2.fastq
data/seqs/zmaysA_R1.fastq
data/seqs/zmaysA_R2.fastq
假如此目录下有一个临时文件叫做zmaysB_R1-temp.tastq，而我们不想分析它，可以再加一条逻辑判断：
$ find data/seqs/ -type f -not -name "zmaysC*.fastq" -not -name "*-temp*"
data/seqs/zmaysB_R1.fastq
data/seqs/zmaysB_R2.fastq
data/seqs/zmaysA_R1.fastq
data/seqs/zmaysA_R2.fastq
find表达式的完整参数与用法介绍如下表格所示：
image-20211026195315299
对找到的文件执行操作
find参数-exec可以对每个匹配的文件执行指定操作，以一个具体例子说明。
首先创建一批临时文件：
$ touch data/seqs/zmays{A,B,C}_R{1,2}-temp.fastq
$ ls data/seqs/
zmaysA_R1.fastq zmaysB_R1.fastq zmaysB_R2-temp.fastq zmaysC_R2-temp.fastq
zmaysA_R1-temp.fastq zmaysB_R1-temp.fastq zmaysC_R1.fastq
zmaysA_R2.fastq zmaysB_R1-temp.tastq zmaysC_R1-temp.fastq
zmaysA_R2-temp.fastq zmaysB_R2.fastq zmaysC_R2.fastq
假如我们想要删除-temp.fastq结尾的临时文件，可以使用find命令实现：
$ find data/seqs/ -type f -name "*-temp*" -exec rm -i {} \;
rm: remove regular empty file `data/seqs/zmaysB_R1-temp.tastq'? y
rm: remove regular empty file `data/seqs/zmaysA_R1-temp.fastq'? y
rm: remove regular empty file `data/seqs/zmaysA_R2-temp.fastq'? y
rm: remove regular empty file `data/seqs/zmaysB_R1-temp.fastq'? y
rm: remove regular empty file `data/seqs/zmaysB_R2-temp.fastq'? y
rm: remove regular empty file `data/seqs/zmaysC_R1-temp.fastq'? y
rm: remove regular empty file `data/seqs/zmaysC_R2-temp.fastq'? y
解释：在-exec参数后面指定想要执行的操作rm，增加-i来提供确定选项增加安全性。{}是占位符，指代find查找的结果，结尾的\;是必要的，代表命令结束。
由于这样的删除操作很常用，find有一个专门的参数-delete（替代-exec -rm）。事实上这里的rm命令可以替换为我们想要执行的任何命令包括常规的生物信息分析，不过find -exec一般执行较简单的操作，对于复杂的任务，xargs是一个更好的选择（下节介绍）。
网友评论