4、Shell脚本基础：变量、循环、条件判断、函数，为批处理做准备

说实话，很多搞分子模拟的同学，一开始都觉得Shell脚本是运维才该学的东西。我自己以前也这么想。直到有一次，我需要跑100个配体-蛋白质的对接后处理，每个步骤都得手动敲命令……那次之后我彻底明白了，Shell脚本就是咱们做计算模拟的“第二双手”。

这一章咱们不扯虚的。我会把批处理最常用的四个核心知识点捞出来：变量、循环、条件判断、函数。说白了，你把这四样东西玩熟了，GROMACS的批处理流程就能自动化跑起来。

4.1 变量：给数据贴个标签

变量的概念很简单，就是给一段数据取个名字。你用这个名字，就能随时拿到里面的值。你可以理解为一个带名字的盒子。

先看一个最基础的定义和引用：

# 定义变量，等号两边不能有空格
SIM_NAME="lysozyme"
NSTEPS=500000
DT=0.002

# 引用变量，加美元符号
echo "模拟名称：$SIM_NAME"
echo "总步数：$NSTEPS"
echo "时间步长：$DT (ps)"

嗯，这里要注意一点。变量名区分大小写，SIM_NAME 和 sim_name 是两个不同的东西。我个人习惯用大写字母加下划线，一眼就能看出这是变量。

在批处理中，变量最常见的用途就是替换路径和参数。比如：

BASE_DIR="/data/project/md_sim"
STRUCTURE="protein.gro"
TOPOLOGY="topol.top"

# 用变量拼接路径
gmx grompp -f $BASE_DIR/params.mdp -c $BASE_DIR/$STRUCTURE -p $BASE_DIR/$TOPOLOGY -o $BASE_DIR/topol.tpr

这样做的好处是什么？下次换个体系，你只需要改前三行赋值，后面所有命令自动适配。我在项目中遇到过有人把路径硬编码在20条命令里，换体系时改到崩溃。

4.1.1 变量的作用范围

默认情况下，Shell脚本里定义的变量是全局的。这意味着你在函数外面定义一个变量，函数里面也能直接用。但反过来，函数里面定义的变量，在外面也可能被意外改掉。

用一个例子说明：

COUNT=5

my_func() {
    COUNT=10
    echo "函数内部 COUNT = $COUNT"
}

my_func
echo "函数外部 COUNT = $COUNT"

猜猜输出是什么？两个都是10。因为函数内部没有用 local 关键字，它直接修改了全局变量。在写复杂的批处理脚本时，这很容易埋坑。我建议，在函数内部使用 local：

my_func() {
    local COUNT=10
    echo "函数内部 COUNT = $COUNT"
}

my_func
echo "函数外部 COUNT = $COUNT"  # 还是5，没有被污染
我的习惯：所有函数内部的临时变量都加 local。这能避免很多莫名其妙的值污染问题。

4.2 循环：让脚本自己重复跑

循环是批处理的核心。你想想看，GROMACS的模拟通常要跑多个副本、多个温度、多个配体……手动一条条地跑？那批处理的意义何在。

4.2.1 for循环

for 循环最适合处理已知列表。比如遍历一组结构文件：

for pdb_file in *.pdb; do
    echo "处理结构文件：$pdb_file"
    # 去掉后缀，得到文件名前缀
    base_name=$(basename "$pdb_file" .pdb)
    echo "生成top文件：${base_name}.top"
done

这里的 ${base_name} 用花括号括起来，是为了明确变量边界。不加花括号，写成 $base_name.top，Shell会以为变量名是 $base_name.top，找不到值就变成空。

另一个常用的是数字序列循环，配合 seq 命令：

for i in $(seq 1 5); do
    echo "模拟副本 #$i"
    mkdir -p "rep_$i"
    cd "rep_$i"
    cp ../template/* .
    cd ..
done

我在跑自由能微扰（FEP）时经常用这种模式，lambda窗口从0到1，步长0.05，循环自动生成所有窗口的目录和输入文件。

4.2.2 while循环

while 循环适合处理不确定次数的情况，比如等待一个进程结束：

# 等待某个作业完成
JOB_ID=12345
while squeue -j $JOB_ID | grep -q "R\|PD"; do
    echo "作业还在运行，等待30秒..."
    sleep 30
done
echo "作业已完成，开始后续处理"

说白了，for 循环用于你知道要跑多少次，while 循环用于你只知道退出条件。在GROMACS批处理里，for 循环出现频率远高于 while。

4.3 条件判断：让脚本有“脑子”

脚本不能只会机械地执行，它需要根据状态做决策。条件判断就是脚本的“脑子”。

4.3.1 if/elif/else结构

最基本的格式：

if [ 条件 ]; then
    # 条件成立时执行
elif [ 另一个条件 ]; then
    # 另一个条件成立时执行
else
    # 都不成立时执行
fi

注意 [ 和 ] 两侧必须有空格，这是新手最容易忽略的地方。我曾经排查过一个半小时的脚本错误，最后发现就是 [$VAR 少了个空格。

常用条件运算符：

表达式 含义 批处理中的应用
-f 文件 判断文件是否存在且为普通文件 检查topol.top是否已生成
-d 目录 判断目录是否存在 检查模拟目录是否已创建
-z 字符串 字符串长度是否为0 检查变量是否为空
数值1 -eq 数值2 数值是否相等 比较模拟步数或副本编号
数值1 -gt 数值2 数值1是否大于数值2 检查能量阈值

一个实际的批处理中的条件判断例子：

TPR_FILE="npt.tpr"
if [ -f "$TPR_FILE" ]; then
    echo "已找到TPR文件，准备运行成品模拟"
    gmx mdrun -deffnm npt -v
else
    echo "错误：TPR文件 $TPR_FILE 不存在，请检查grompp步骤"
    exit 1
fi
避坑指南：在 [ ] 内的变量，最好加上双引号。比如 [ -f "$TPR_FILE" ] 而不是 [ -f $TPR_FILE ]。一旦变量值为空或包含空格，不带引号的写法会直接导致语法错误。

4.4 函数：封装重复逻辑

函数的本质就是给一段代码逻辑起个名字。以后只要调用这个名字，这段逻辑就会执行。说白了，就是“一次定义，到处重用”。

定义函数的两种写法：

# 写法一
run_em() {
    local nsteps=$1
    local output=$2
    echo "运行能量最小化，步数：$nsteps"
    gmx mdrun -deffnm "$output" -nsteps "$nsteps"
}

# 写法二
function run_em() {
    local nsteps=$1
    local output=$2
    echo "运行能量最小化，步数：$nsteps"
    gmx mdrun -deffnm "$output" -nsteps "$nsteps"
}

调用函数时，参数通过 $1、$2、$3 等位置变量传递：

run_em 50000 em      # $1=50000, $2=em
run_em 100000 em2    # $1=100000, $2=em2

在GROMACS批处理脚本中，我通常会封装几个核心函数：

# 预处理：grompp
do_grompp() {
    local mdp=$1
    local gro=$2
    local top=$3
    local tpr=$4
    gmx grompp -f "$mdp" -c "$gro" -p "$top" -o "$tpr"
    if [ $? -ne 0 ]; then
        echo "grompp失败，退出"
        exit 1
    fi
}

# 成品模拟：mdrun
do_mdrun() {
    local deffnm=$1
    local nsteps=$2
    gmx mdrun -deffnm "$deffnm" -nsteps "$nsteps" -v
}

# 后处理：提取能量数据
extract_energy() {
    local edr=$1
    local selection=$2
    local output=$3
    echo -e "$selection\n0" | gmx energy -f "$edr" -o "$output"
}
关键点：$? 是上一条命令的退出码。0表示成功，非0表示失败。在函数中检查 $?，是构建健壮批处理脚本的基石。

4.5 整合起来：一个简单的批处理框架

把前面四个概念串起来，就是一个能用的批处理脚本雏形了。下面这个例子展示了如何自动跑能量最小化和NVT平衡：

#!/bin/bash
# GROMACS批处理脚本 - 能量最小化 + NVT平衡

# === 变量定义 ===
BASE_DIR="/scratch/project/md"
STRUCTURE="$BASE_DIR/start.gro"
TOPOLOGY="$BASE_DIR/topol.top"
EM_MDP="$BASE_DIR/em.mdp"
NVT_MDP="$BASE_DIR/nvt.mdp"
EM_TPR="$BASE_DIR/em.tpr"
NVT_TPR="$BASE_DIR/nvt.tpr"
EM_OUT="$BASE_DIR/em"
NVT_OUT="$BASE_DIR/nvt"

# === 函数定义 ===
run_grompp() {
    local mdp=$1
    local gro=$2
    local top=$3
    local tpr=$4
    echo "[$(date '+%H:%M:%S')] 运行 grompp..."
    gmx grompp -f "$mdp" -c "$gro" -p "$top" -o "$tpr" || exit 1
}

run_mdrun() {
    local deffnm=$1
    local tpr=$2
    echo "[$(date '+%H:%M:%S')] 运行 mdrun..."
    gmx mdrun -deffnm "$deffnm" -s "$tpr" -v
    if [ $? -ne 0 ]; then
        echo "错误：mdrun失败"
        exit 1
    fi
}

# === 主流程 ===
echo "===== GROMACS批处理开始 ====="
echo "工作目录：$BASE_DIR"

# 第1步：能量最小化
echo "--- 步骤1/2：能量最小化 ---"
if [ -f "$EM_TPR" ]; then
    echo "TPR文件已存在，跳过grompp"
else
    run_grompp "$EM_MDP" "$STRUCTURE" "$TOPOLOGY" "$EM_TPR"
fi
run_mdrun "$EM_OUT" "$EM_TPR"

# 第2步：NVT平衡
echo "--- 步骤2/2：NVT平衡 ---"
if [ -f "$NVT_TPR" ]; then
    echo "TPR文件已存在，跳过grompp"
else
    run_grompp "$NVT_MDP" "${EM_OUT}.gro" "$TOPOLOGY" "$NVT_TPR"
fi
run_mdrun "$NVT_OUT" "$NVT_TPR"

echo "===== 批处理完成 ====="

这个脚本里，变量让路径统一管理，循环可以加在后面处理多副本，条件判断做了TPR存在性检查和错误处理，函数把grompp和mdrun的逻辑封装起来。你想想看，以后要跑新的体系，改几个变量名和路径就行了，不需要重写逻辑。

Shell脚本批处理核心要素 输入参数 变量拼接路径 流程控制 for / while 循环 if / elif / else 函数封装与复用 可执行的批处理脚本 变量提供数据，循环负责重复，条件判断做决策，函数封装逻辑 四者组合即构成完整的批处理自动化方案
我的建议：刚开始写批处理脚本时，别想着一步到位。先把变量和循环写好，让脚本能跑。然后逐个加条件判断做保护，最后把重复代码抽成函数。这样一步步来，不容易出错。
← 上一章 📖 返回目录 下一章 →