Question

我正在尝试根据第二个文件中的值有条件地过滤文件。 File1包含数字，而File2包含两列数字。问题是要过滤掉file1中那些属于file2每行所表示范围的行。

我有一系列有效的循环，但是需要两个小时才能运行，具体取决于两个文件的长度。该代码如下所示。另外，我尝试使用awk，并查看了在松弛溢出上发布的其他问题，但是我不知道如何适当地更改代码。

循环方法：

while IFS= read READ
            do  
                position=$(echo $READ | awk '{print $4}')
                    while IFS= read BED
                        do
                            St=$(echo $BED | awk '{print $2}')
                            En=$(echo $BED | awk '{print $3}')
                        if (($position < "$St"))
                            then
                                break 
                        else 
                            if (($position >= "$St" && $position <= "$En"));
                                then 
                                    echo "$READ" | awk '{print $0"\t EXON"}' >> outputfile
                            fi  
                        fi
                        done < file2
            done < file1

存在类似问题的博客：

awk: filter a file with another file

awk 'NR==FNR{a[$1];next} !($2 in a)' d3_tmp FS="[ \t=]" m2p_tmp

Find content of one file from another file in UNIX

awk -v FS="[ =]" 'NR==FNR{rows[$1]++;next}(substr($NF,1,length($NF)-1) in rows)' File1 File2

文件1 ：（制表符分隔）

AAA BBB 1500
CCC DDD 2500
EEE FFF 2000

file2 ：（制表符分隔）

GGG 1250 1750
HHH 1950 2300
III 2600 2700

预期的输出将保留file1（在新文件中，file3）中的第1行和第3行，因为这些记录属于file2的第1行第2列和第3列，以及第2行第2列和第3列的范围。在实际文件中，它们不受行限制，即，我不想查看file1的row1并与file2的row1比较，而是将row1与file2中的所有行进行比较以获得匹配。

file3（输出）

AAA BBB 1500
EEE FFF 2000

Answer 1

一种方法：

awk 'NR==FNR{a[i]=$2;b[i++]=$3;next}{for(j=0;j<i;j++){if ($3>=a[j] && $3<=b[j]){print;}}}' i=0 file2 file1
AAA BBB 1500
EEE FFF 2000

读取file2的内容并将其存储在数组a和b中。读取file1后，检查数字是否在整个a和b数组之间并打印。

另一个选择：

$ awk 'NR==FNR{for(i=$2;i<=$3;i++)a[i];next}($3 in a)'  file2 file1
AAA BBB 1500
EEE FFF 2000

读取

File2并将整个数字范围分解并存储到关联数组a中。当我们读取file1时，我们只需要查找数组a。

Answer 2

另一个awk。取决于文件大小，它可能有意义也可能没有意义：

$ awk '
NR==FNR {
    a[$3]=$2                    # hash file2 records, $3 is key, $2 value
    next
}
{
    for(i in a)                 # for each record in file1 go thru ever element in a
        if($3<=i && $3>=a[i]) { # if it falls between
            print               # output
            break               # exit loop once match found
        }
}' file2 file1

输出：

AAA BBB 1500
EEE FFF 2000

使用AWK中的另一个文件查询文件的内容

2 个答案: