从部分匹配另一个文件中列出的关键字的文本文件中提取所有行

时间:2017-02-09 14:11:59

标签: python awk extract partial lines

我已经用尽了在线搜索,试图找出如何做到这一点。

我有制表符分隔文件searchfile.txt,其中包含两列和> 200行。在此处示例:

A(H1N1)/SWINE/COTES-DARMOR/388/2009 X?  4.28144245
A(H1N2)/SWINE/SCOTLAND/410440/1994 X?   7.25878836
A(H1)/SWINE/ENGLAND/117316/1986 X?  3.305392038
A(H1)/SWINE/ENGLAND/438207/1994 X?  7.66078717

我有另一个文件keywords.txt,其中一些关键字与searchfile.txt中的ID部分匹配:

ENGLAND/117316    
DARMOR/388   
438207

我想提取searchfile.txt中包含keywords.txt

中任意关键字的所有行

我尝试使用其他类似问题的解决方案:

grep -F -f keywords.txt searchfile.txt > selected.txt 

grep -f keywords.txt searchfile.txt

awk 'FNR==NR {a[$0];next} ($NF in a)' keywords.txt searchfile.txt > result.txt

我也使用这个python脚本获得了部分内容:

infile = r"/path/to/searchfile.txt"

results = []
to_keep = ["ENGLAND/117316",
            "DARMOR/388",
            "438207"]

with open(infile) as f:
    f = f.readlines()

for line in f:
    for phrase in to_keep:
        if phrase in line:
            results.append(line)
            break

print(results)

它在终端窗口输出:

[
    'A(H1N1)/SWINE/COTES-DARMOR/388/2009 X?\t4.28144245\n',   
    'A(H1)/SWINE/ENGLAND/117316/1986 X?\t3.305392038\n', 
    'A(H1)/SWINE/ENGLAND/438207/1994 X?\t7.66078717\n'
]

有没有办法

a)修改此脚本以从keywords.txt等文件中读取并将行输出到另一个文件? (我的python技能不符合这一点)

OR

b)使用grepawksed ...来执行此操作

我认为问题在于我的关键字不是完全单独的单词,而是必须与searchfile.txt中的内容部分匹配。

感谢任何帮助!谢谢。

1 个答案:

答案 0 :(得分:0)

这在python中相当简单。假设您有keywords.txtinput.txt个文件并希望输出到output.txt

# 1
with open('keywords.txt', 'r') as k:
    keywords = k.read().splitlines()

results = []

#2
with open('input.txt') as f, open('output.txt', 'w') as o:
    for line in f:
        if any(key in line for key in keywords):
            o.writelines(line)

这将读取关键字文件,并将其中的每一行存储在一个列表中(#1)。然后我们打开输入和输出文本文件,逐行循环输入文件并写入输出文件,如果我们在行中找到任何关键字(#2)。