Question

我有2个文本文件，分别称为“ 1”和“ 2”，如以下2个示例所示：

一个：

chr5    315038  315059  PDCD6
chr5    315039  315059  PDCD6
chr5    315035  315136  AHRR
chr5    315010  315111  AHRR
chr5    315032  315133  AHRR

两个：

chr5    315035  315059  PDCD6
chr5    315035  315136  AHRR
chr12   49314934    49315035    CCDC65

我想基于4列获取这2个文件的相似行。例如，对于文件一和文件二，预期的输出将类似于以下内容，因为这行在2个文件中（对于所有列）完全相同。

预期输出：

chr5    315035  315136  AHRR

我正在尝试使用以下命令在awk中执行此操作，但结果不是我想要的。你知道如何解决吗？

awk 'FNR==NR{a[$1$2$3$3]++;next}!a[$4$3$2$1]' one.txt two.txt > result.txt

Answer 1

如果您要检查完整的行本身，请尝试执行以下操作。

awk 'FNR==NR{a[$0];next} $0 in a'  one  two

Answer 2

如ravindersingh13所述，您可以选择awk来解决您的问题：

以下awk脚本执行相同的操作：

$ awk 'NR==FNR{a[$0]++;next} a[$0]' one two
chr5    315035  315136  AHRR

此方法不需要对文件进行排序，但是由于您将行存储在关联数组中，因此会占用更多内存。较大的内存消耗，但是对大文件（由于不需要排序）的处理速度更快。

如果您想要更直接的方法，则可以使用comm：

$ comm -1 -2 <(sort one) <(sort two)
chr5    315035  315136  AHRR

一种工具，用于逐行比较两个排序的文件

或grep使用选项-f（第一个文件将定义模式列表，grep将使用该模式列表查询第二个文件）

$ grep -f one two
chr5    315035  315136  AHRR

-f FILE, --file=FILE 从FILE获取模式，每行一个。如果此选项已多次使用或与-e (--regexp)选项结合使用，搜索所有给定的模式。空文件包含零模式，以及因此什么都不匹配。

Answer 3

您可以尝试Perl解决方案

$ cat user10657934_one.txt
chr5    315038  315059  PDCD6
chr5    315039  315059  PDCD6
chr5    315035  315136  AHRR
chr5    315010  315111  AHRR
chr5    315032  315133  AHRR

$ cat user10657934_two.txt
chr5    315035  315059  PDCD6
chr5    315035  315136  AHRR
chr12   49314934    49315035    CCDC65

$ perl -lne ' push @{$kv{$_}} ,$ARGV ; END { for(keys %kv) { print "$_" if scalar(@{$kv{$_}}>1) } } ' user10657934_one.txt user10657934_two.txt
chr5    315035  315136  AHRR

或

$ perl -lne ' $kv{$_}.="$ARGV;" ; END { for(keys %kv) { print "$_" if $kv{$_}=~/;.*;/ } } ' user10657934_one.txt user10657934_two.txt
chr5    315035  315136  AHRR

使用awk查找2个文件之间的公共行

3 个答案: