Question

我有一个长文本文件（ haplotypes.txt ），如下所示：

19 rs541392352 55101281 A 0 0 ...
19 rs546022921 55106773 C T 0 ...
19 rs531959574 31298342 T 0 0 ...

一个简单的文本文件（ positions.txt ），如下所示：

如果要删除 positions.txt 中存在第三个字段的所有行，请获取以下输出：

19 rs541392352 55101281 A 0 0 ...
19 rs531959574 31298342 T 0 0 ...

我希望有人可以提供帮助。

Answer 1

这应该有效：

$ grep -vwFf positions.txt haplotypes.txt 
19 rs541392352 55101281 A 0 0 ...
19 rs531959574 31298342 T 0 0 ...

-f positions.txt：从文件中读取模式
-v：反转匹配
-w：仅匹配完整的单词（避免子字符串匹配）
-F：修复字符串匹配（不要将模式解释为正则表达式）

这预计只有第三列看起来像一个长数字。如果模式恰好与未显示的其中一列中的完全相同的单词匹配，则可能会出现误报。为避免这种情况，您必须使用按列过滤的awk解决方案（请参阅andlrc's answer）。

Answer 2

使用AWK：

awk 'NR == FNR{a[$0] = 1;next}!a[$3]' positions.txt haplotypes.txt

故障：

NR == FNR { # If file is 'positions.txt'
  a[$0] = 1 # Store line as key in associtive array 'a'
  next      # Skip next blocks
}
!a[$3]      # Print if third column is not in the array 'a'

如果第3列中的值在另一个文本文件中，则删除行

2 个答案: