Linux基础101问:文本查看命令|第8期
- 2026-02-05 00:37:09
一、这组命令为什么重要
做生信分析时，所用数据文件或者日志通常有GB甚至TB级别的体积。如果用文字编辑器将它们全部打开，进程会变得很慢甚至卡死。所以抽出文件的一部分，快速看一眼，实时监控日志和做基础计数等是很常见的操作。这正是本组命令的作用。
二、head——看文件的“开头”
head 是最安全，最常用的预览命令之一。它默认显示文件前 10 行。
基本用法
head 文件名head -n 行数 文件名
回忆一下之前的教程，“head”，“-n”，“行数”，“文件名”是怎么构成这个完整命令的。
假设你下载了一个压缩的测序文件 reads_R1.fastq.gz。你想在不解压的情况下确认它是否为正确的 FASTQ 格式，这是著名的 E. coli K-12 MG1655 测序样例（Illumina paired-end），一共77771072行，打开可能会很缓慢，压缩之后仍有700MB，非常适合使用head查看。
zcat SRR292241.fastq.gz | head -n 8
zcat用来在不解压的情况下输出.gz文件内容。每条 read 占 4 行：ID、序列、加号、质量分数。
8 行 ≈ 2 条 read。
这样你就能看到文件开头几条 read 是否正常，而不用打开几GB的大文件。
root@DESKTOP-P3VQ19J:~/linux_practice# zcat SRR292241.fastq.gz | head -n 8@SRR292241.1 SOLEXA5_53:6:1:1342:1130 length=36GAATATAGGAAATTTAACATAATTGATGAGCTCAAA+SRR292241.1 SOLEXA5_53:6:1:1342:1130 length=36IIIIIIIIIIIIIIIIIIIIIIIIIIIIIA9IHI49@SRR292241.1 SOLEXA5_53:6:1:1342:1130 length=36TAAAAGTCAAGATGAAATATCAATTCAAATTCTGTT+SRR292241.1 SOLEXA5_53:6:1:1342:1130 length=36IIIIIIIIIIIGIIIDHIIIIA+III038>33HH7F
你还可以查看普通日志或配置文件的前几行，这是我在Slurm服务器上运行R输出的：
head 01-gse.out
这样你不必打开整个日志文件就能判断程序是否真的开始运行、有没有报错信息出现在最前面。
可以看到，我的代码已经开始运行并正在载入R包
root@DESKTOP-P3VQ19J:~/linux_practice# head 01-gse.out作业开始时间: Fri Aug 8 07:36:58 CEST 2025Loading required package: SeuratObjectLoading required package: sp‘SeuratObject’ was built under R 4.4.1 but the current version is4.4.2; it is recomended that you reinstall ‘SeuratObject’ as the ABIfor R may have changed‘SeuratObject’ was built with package ‘Matrix’ 1.6.5 but the currentversion is 1.7.2; it is recomended that you reinstall ‘SeuratObject’ asthe ABI for ‘Matrix’ may have changed
三、tail——看文件的“尾巴”
tail 的作用与 head 相反，用于查看结尾几行内容。
基本用法
tail 文件名 # 默认显示最后10行tail -n 50 文件名 # 显示最后50行
程序运行完后，你可能想看看它最后几行输出，判断是否正常结束：
tail -n 5 01-gse.out
这类信息可以快速判断任务是否完整。例如：
root@DESKTOP-P3VQ19J:~/linux_practice# tail 01-gse.outThreshold found:0.232133 (1.7%) doublets called used (Mb) gc trigger (Mb) max used (Mb)Ncells 11321306 604.7 20068505 1071.8 20068505 1071.8Vcells 214118605 1633.6 656739172 5010.6 820923943 6263.2 41 51 56 57 63 64 68 72 73 80 699 736 1016 250 1125 121 385 789 1529 838作业结束时间: Fri Aug 8 07:40:36 CEST 2025作业 split (ID: 903642) 总运行时间: 0小时 3分钟 38秒
没有看到“ERROR”等字样。查看输出目录，需要的文件一个已经保存好了。
你也可以用 tail -n +N 来跳过前几行，从第 N 行开始看：
tail -n +101 file.txt # 从第101行开始显示
这在 VCF 或 GTF 文件中很有用。比如我们查看Homo_sapiens.GRCh38.110.gtf的前六行：
zcat Homo_sapiens.GRCh38.110.gtf.gz | head -n 6
可以看到，这个Ensembl人类基因注释文件，前5行描述了该基因注释文件的版本、来源、构建号、更新时间信息。
root@DESKTOP-P3VQ19J:~/linux_practice# zcat Homo_sapiens.GRCh38.110.gtf.gz | head -n 6#!genome-build GRCh38.p14#!genome-version GRCh38#!genome-date 2013-12#!genome-build-accession GCA_000001405.29#!genebuild-last-updated 2023-031 havana gene 182696 184174 . + . gene_id "ENSG00000279928"; gene_version "2"; gene_name "DDX11L17"; gene_source "havana"; gene_biotype "unprocessed_pseudogene";
这个时候如果你想跳过 header (# 开头部分)，直接从数据行开始看，就可以使用以下命令：
zcat Homo_sapiens.GRCh38.110.gtf.gz | tail -n +6 | head -n 4 # 从第6行开始显示，又因为gtf文件太长，使用head查看第6行之后的4行
root@DESKTOP-P3VQ19J:~/linux_practice# zcat Homo_sapiens.GRCh38.110.gtf.gz | tail -n +6 | head -n 41 havana gene 182696 184174 . + . gene_id "ENSG00000279928"; gene_version "2"; gene_name "DDX11L17"; gene_source "havana"; gene_biotype "unprocessed_pseudogene";1 havana transcript 182696 184174 . + . gene_id "ENSG00000279928"; gene_version "2"; transcript_id "ENST00000624431"; transcript_version "2"; gene_name "DDX11L17"; gene_source "havana"; gene_biotype "unprocessed_pseudogene"; transcript_name "DDX11L17-201"; transcript_source "havana"; transcript_biotype "unprocessed_pseudogene"; tag "basic"; tag "Ensembl_canonical"; transcript_support_level "NA";1 havana exon 182696 182746 . + . gene_id "ENSG00000279928"; gene_version "2"; transcript_id "ENST00000624431"; transcript_version "2"; exon_number "1"; gene_name "DDX11L17"; gene_source "havana"; gene_biotype "unprocessed_pseudogene"; transcript_name "DDX11L17-201"; transcript_source "havana"; transcript_biotype "unprocessed_pseudogene"; exon_id "ENSE00003759020"; exon_version "2"; tag "basic"; tag "Ensembl_canonical"; transcript_support_level "NA";1 havana exon 183132 183216 . + . gene_id "ENSG00000279928"; gene_version "2"; transcript_id "ENST00000624431"; transcript_version "2"; exon_number "2"; gene_name "DDX11L17"; gene_source "havana"; gene_biotype "unprocessed_pseudogene"; transcript_name "DDX11L17-201"; transcript_source "havana"; transcript_biotype "unprocessed_pseudogene"; exon_id "ENSE00003759581"; exon_version "2"; tag "basic"; tag "Ensembl_canonical"; transcript_support_level "NA";
tail -f (follow)—— 实时监控文件变化（最常用的日志命令）
你可以实时盯着日志刷新，用：
tail -f aln.log现在，每当程序在写入新的日志行，你都会实时看到。
这在生信项目中非常实用，尤其是运行以下任务时：
比对（bwa、minimap2）
变异检测（GATK）
流水线（Nextflow、Snakemake）
你可以实时观察进度，而不用等任务结束才发现早就崩溃了。
四、more——分页查看大文件
more 允许你一页一页地看文件内容，而不是一次输出到底。 这在浏览 GTF、VCF、日志等长文件时非常方便。
基本用法
more 文件名
或：
zcat file.vcf.gz | more
按键说明
Space：翻下一页
Enter：下一行
/关键词：搜索关键词
q：退出
举例
之前因为gtf太长，我们还需要使用head截断，在这里我们直接用more分屏查看更方便，也不会被一直打印出来的信息淹没。
more Homo_sapiens.GRCh38.109.gtfzcat Homo_sapiens.GRCh38.110.gtf.gz | more
五、wc——统计行数、字数、字符数
wc 是“word count”的缩写，但它远不止数单词。
基本用法
wc [选项] 文件-l：行数（lines）-w：单词数（words）-c：字节数（bytes）-m：字符数（characters）
讲解与示例
统计 FASTQ 中的 read 数量：
zcat SRR292241.fastq.gz | wc -l
结果是文件的总行数。
FASTQ 每条 read 占 4 行，因此：
reads 数量 = 行数 ÷ 4
root@DESKTOP-P3VQ19J:~/linux_practice# zcat SRR292241.fastq.gz | wc -l77771072
练习题
在NCBI或者任意你喜欢的数据库下载一些数据，完成：
查看 FASTQ 文件结构是否完整（每条 read 4 行）。
统计总 reads 数。
监控比对日志的实时输出。
然后下载1000 Genomes Project的第22号染色体的变异数据（vcf文件）
wget https://ftp.1000genomes.ebi.ac.uk/vol1/ftp/release/20130502/ALL.chr22.phase3_shapeit2_mvncall_integrated_v5b.20130502.genotypes.vcf.gz #直接复制到你的终端即可，自动下载这个文件
使用你在这一期学到的命令探索一下这个vcf文件
统计变异总数（去掉 header）。（可能需要你在第六期学到的命令）
将 VCF 文件第 100–120 行打印到屏幕。
有任何问题/感兴趣的小伙伴欢迎添加小助手微信（SDbioinfo_2023），加入交流群，我们一起学会Linux！SDbioinfo
作者：刘鑫鹏（哥本哈根大学）
编辑：黎琛
排版：刘宇昂
⭐ SDbioinfo-往期回顾 ⭐
【栏目1:播客分享会】
【栏目2:前沿信息早知道】
诺奖给了Treg，如何用单细胞测序寻找它的“主控开关”？
【栏目3:知识解读】
马尔科夫链蒙特卡洛方法mcmc原理
【栏目4:最新招聘】
SDbioinfo嘉宾-张心仪博士组招聘
【？我是谁？】
SDbioinfo，专注「计算生物学」领域的学习智库
我们汇聚了来自哈佛剑桥港大、北清复交等高校科研工作者。我们的愿景：链接领域最强大脑，用数据和分析改变生命。
不管你是：
⭐ 找实习、找工作、出国留学
⭐ 找校友、找搭子、找资源
⭐ 找科研方法、前沿信息、大咖分享
统统可以帮你，加入SDbioinfo，和全球生信人一起成长！
（添加微信：SDbioinfo_2023）
