BASH comm 命令，但适用于多列

Question

我正在寻找类似于 bash 命令 comm 的东西，我可以用它来选择我的 2 个文件独有的条目和它们共有的条目。 当我每个文件只有一列时，Comm 工作得很好，例如。

 comm -13 FILE1.txt FILE2.txt > Entries_only_in_file1.txt

但现在我有多列信息希望保留。 我想选择第 2 列作为筛选行以查找我的两个文件之间的唯一和常见条目的行。 如果第二列中的条目出现在两个文件中，我还想记录第 3,4 和 5 列中的信息（如果可能，这并不重要）。 这是输入和输出的示例。

FILE1.txt
NM_023928   AACS    2   2   1
NM_182662   AADAT   2   2   1
NM_153698   AAED1   1   5   3
NM_001271   AAGAB   2   2   1


FILE2.txt
NM_153698   AAED1   2   5   3
NM_001271   AAGAB   2   2   1
NM_001605   AARS    3   40  37
NM_212533   ABCA2   3   4   2

想要的输出：

COMMON.txt
NM_153698   AAED1   1   5   3   2   5   3
NM_001271   AAGAB   2   2   1   2   2   1

UNIQUE_TO_1.txt
NM_023928   AACS    2   2   1
NM_182662   AADAT   2   2   1

UNIQUE_TO_2.txt
NM_001605   AARS    3   40  37
NM_212533   ABCA2   3   4   2

我知道以前有过类似的问题，但我无法完全找到我要找的东西。 任何想法都非常感谢，谢谢。

Answer 1

join具有以下对您的任务有用的选项：

• -j FIELD : 加入字段FIELD
• -o FORMAT ：指定输出格式，以逗号分隔的 FILENUM.FIELD 列表。
• -v FILENUM ：仅在FILENUM上输出行。

两个文件的共同点：

$ join -j2 -o 1.1,1.2,1.3,1.4,1.5,2.3,2.4,2.5 FILE1.txt FILE2.txt 
NM_153698 AAED1 1 5 3 2 5 3
NM_001271 AAGAB 2 2 1 2 2 1

FILE1 独有：

$ join -j2 -v1 FILE1.txt FILE2.txt 
AACS NM_023928 2 2 1
AADAT NM_182662 2 2 1

FILE2 的独特之处：

$ join -j2 -v2 FILE1.txt FILE2.txt 
AARS NM_001605 3 40 37
ABCA2 NM_212533 3 4 2

Answer 2

您可以使用 gnu awk 对其进行归档，这是一个脚本：

脚本.awk

function unique(filename, line) {
    split( line , tmp, FS)
    print tmp[1], tmpp[2], tmp[3], tmp[4], tmp[5] >> filename
}

NR == FNR { # in case we are reading the first file: store line under key
        file1[ $2 ] = $0
        next
    }

    {
        if( $2 in file1 ) { # key from file2 was in also in file1:
            split( file1[ $2 ], tmp, FS)
            print $1, $2, tmp[3], tmp[4], tmp[5], $3, $4, $5 >> "COMMON.txt"
   # remove common key, thus we can later find unique keys from file1
            delete file1[ $2 ] 
        }
        else { # unique key from file2 
            unique("UNIQUE_TO_2.txt", $0)
        }
    }

END {
  # remaining keys are unique in file1
        for( k in file1 ) {
            unique("UNIQUE_TO_1.txt", file1[ k ])
        }
    }

像这样使用它：

# erase the output files if present
rm -f COMMON.txt UNIQUE_TO_1.txt UNIQUE_TO_2.txt
# run script, create the file
awk -f script.awk FILE1.txt FILE2.txt
# output the files
for f in COMMON.txt UNIQUE_TO_1.txt UNIQUE_TO_2.txt; do echo "$f"; cat "$f"; done

printf ... >> filename名将文本附加到文件名。 第二次运行脚本时，这需要输出文件的rm 。