用第二个文件中的字符串替换一个文件中的字符串

Question

我已经搜寻了几天，但没有得到正确的答案

我有两个看起来像这样的文件：

文件1：

>contig-100_23331 length_200 read_count_4043 
TCAG...
>contig-100_23332 length_200 read_count_4508 
TTCA...
>contig-100_23333 length_200 read_count_184 
TTCC...

文件2：

>contig-100_23331_Cov:_30.9135
>contig-100_23332_Cov:_125.591
>contig-100_23333_Cov:_5.97537

我想用File2中具有名称的行替换File1中具有名称（> contig ... length ...）的行。 请注意，File2仅包含重叠群名称（无序列）。

我想sed有办法，但我找不到解决方法

提前致谢！

Answer 1

一种可能性是使用sed从File2创建一个sed -script，然后在File1使用它：

sed 's/^\(>contig-[0-9]*_[0-9]*\)_.*/s%^\1 %& %/' File2 > sed.script
sed -f sed.script File1 > File.Out
rm -f sed.script

对于样本File2 ，该sed.script将包含：

s%^>contig-100_23331 %>contig-100_23331_Cov:_30.9135 %
s%^>contig-100_23332 %>contig-100_23332_Cov:_125.591 %
s%^>contig-100_23333 %>contig-100_23333_Cov:_5.97537 %

对于样本File1 ， sed处理的输出为：

>contig-100_23331_Cov:_30.9135 length_200 read_count_4043 
TCAG...
>contig-100_23332_Cov:_125.591 length_200 read_count_4508 
TTCA...
>contig-100_23333_Cov:_5.97537 length_200 read_count_184 
TTCC...

有些版本sed可能有23K线路中的问题sed脚本。 如果这对您来说是个问题，则可以生成sed.script ，然后将其拆分（ split ）成较小的块（例如，每行1000行），然后为每个sed -f chunk运行sed -f chunk 。 那是痛苦的，但有必要。 从历史上看，HP-UX（传统版本，如HP-UX 9或10）具有sed有限版本，它只能处理sed脚本中的几百个命令。

假设您使用的是bash ，则可以避免使用进程替换的显式中间文件：

sed -f <(sed 's/^\(>contig-[0-9]*_[0-9]*\)_.*/s%^\1 %& %/' File2) File1 > File.Out

但是，您应该在使用该符号之前验证脚本。

Answer 2

免责声明：从来没有做过...

您可能要使用join命令来合并文件合并文件

您可能必须为FILE2生成一个中间文件或流，该文件或流具有多余的空行，以便两个文件中的两行都匹配。

希望这可以帮助。