使用bash代码组合两个共享PATTERN的文本

Question

我有以下两个文本文件：

第一个：

chr10   1000    1001    DEL 2.4807  chr10   7443    8978
chr10   1005    1008    DEL 1.2799  chr10   7321    8778

第二个：

chr13  3456  6746  chr10 7443   8978
chr13  6453  8767  chr10 7321   8778

我们可以看到他们分享一种模式：

chr10   7443    8978
chr10   7321    8778

因此，基于这种模式，我如何将它们组合成：

chr10   1000    1001    DEL 2.4807  chr10   7443    8978 chr13  3456  6746
chr10   1005    1008    DEL 1.2799  chr10   7321    8778 chr13  6453  8767

感谢

编辑： 我一直在尝试grep：

cat text1|grep -f `cat text2|awk '{print $4"\t"$5"\t"$6}'`

但它不起作用

Answer 1

你可以用awk one-liner做三个字段。这是一个证据：

[ghoti@pc ~]$ cat file1
chr10   1000    1001    DEL 2.4807  chr10   7443    8978
chr10   1005    1008    DEL 1.2799  chr10   7321    8778
[ghoti@pc ~]$ cat file2
chr13  3456  6746  chr10 7443   8978
chr13  6453  8767  chr10 7321   8778
[ghoti@pc ~]$ awk 'NR == FNR { what[$(NF-2),$(NF-1),$(NF)] = $0; next; } { printf("%s %s\n", what[$(NF-2),$(NF-1),$(NF)], $0); }' file1 file2
chr10   1000    1001    DEL 2.4807  chr10   7443    8978 chr13  3456  6746  chr10 7443   8978
chr10   1005    1008    DEL 1.2799  chr10   7321    8778 chr13  6453  8767  chr10 7321   8778
[ghoti@pc ~]$ 

如果您想要其他顺序的文件，只需更改printf（）中$0和what[]的顺序。

请注意，这假设您可以将第一个文件的全部内容加载到内存中的数组中。可能不应该用于具有数百万行的文件，但这完全取决于您运行它的系统。

这是如何运作的？

awk脚本有两个主要部分，每个部分都是花括号。如果NR（到目前为止读取的所有数据的当前记录号）与FNR（当前文件中的记录号）匹配，则第一部分仅运行。换句话说，它仅作用于第一个文件。第一个文件在一个关联数组中加载到内存中，该关联数组的下标是该行的最后三个字段。

第二部分在第一部分之后作用于每个后续文件。它只是打印当前行，但在它前面加上与当前行的最后三个字段匹配的数组内容（在第一部分中匹配）。