BASH comm 命令，但適用於多列

Question

我正在尋找類似於 bash 命令 comm 的東西，我可以用它來選擇我的 2 個文件獨有的條目和它們共有的條目。 當我每個文件只有一列時，Comm 工作得很好，例如。

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

但現在我有多列信息希望保留。 我想選擇第 2 列作為篩選行以查找我的兩個文件之間的唯一和常見條目的行。 如果第二列中的條目出現在兩個文件中，我還想記錄第 3,4 和 5 列中的信息（如果可能，這並不重要）。 這是輸入和輸出的示例。

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

想要的輸出：

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

我知道以前有過類似的問題，但我無法完全找到我要找的東西。 任何想法都非常感謝，謝謝。

Answer 1

join具有以下對您的任務有用的選項：

• -j FIELD : 加入字段FIELD
• -o FORMAT ：指定輸出格式，以逗號分隔的 FILENUM.FIELD 列表。
• -v FILENUM ：僅在FILENUM上輸出行。

兩個文件的共同點：

$ 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 獨有：

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

FILE2 的獨特之處：

$ 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 對其進行歸檔，這是一個腳本：

腳本.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 ])
        }
    }

像這樣使用它：

# 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名將文本附加到文件名。 第二次運行腳本時，這需要輸出文件的rm 。