我有一个包含感兴趣的基因名称（24423个基因）的文件，另一个包含所有基因长度的文件（41306个基因）。我希望长度只能用于24424个基因，但当我grep使用grep -wf file1 file2或甚至fgrep -Fwf file1 file2时，我会得到一些多余的基因，因为我列表中的某些基因可能只包含感觉或反义链，而如果参考文件可能包含两者，那么反映。
我想知道是否有办法从参考文件（file2）中删除所有不匹配的行？
谢谢。
P.S。问题还出在biostars.org
上编辑 -
文件1
A1BG
A1BG-AS1
TSPAN6
MYB
MYB-AS1
file2的
A1BG 2941
A1BG-AS1 560
TSPAN6 7923
MYB-AS1 362
MYB-AS2 713
MYB-AS3 396
desired_output
A1BG 2941
A1BG-AS1 560
TSPAN6 7923
MYB-AS1 362
但我总是得到MYB-AS2和MYB-AS3
答案 0 :(得分：0)
$ cat f1
A1BG
A1BG-AS1
TSPAN6
MYB
MYB-AS1
$ cat f2
A1BG 2941
A1BG-AS1 560
TSPAN6 7923
MYB-AS1 362
MYB-AS2 713
MYB-AS3 396
$ grep -Fwf f1 f2
A1BG 2941
A1BG-AS1 560
TSPAN6 7923
MYB-AS1 362
MYB-AS2 713
MYB-AS3 396
grep在此无效，因为MYB将匹配MYB-，因为-将作为字边界
使用awk代替
$ awk 'NR==FNR{a[$1]; next} $1 in a' f1 f2
A1BG 2941
A1BG-AS1 560
TSPAN6 7923
MYB-AS1 362
NR==FNR{a[$1]; next}使用第一个文件中的第一个字段作为键构建一个数组$1 in a从第二个文件中打印行。整个字段必须匹配