在列上使用 bash comm 命令但返回整行

Question

我有兩個文件，每個文件有兩列，僅按第二列排序，例如：

File 1: 

176 AAATC
6   CCGTG
80  TTTCG

File 2:

20 AAATC
77 CTTTT
50 TTTTT

我想使用帶有選項 -13 和 -23 的 comm 命令來獲取兩個不同的文件，這些文件報告兩個文件之間具有相應計數的不同行，但只比較第二列（即字符串）。 到目前為止我嘗試過的是：

comm -23 <(cut -d$'\t' -f2 file1.txt) <(cut -d$'\t' -f2 file2.txt)

但是我只能在輸出中輸入字符串，而沒有數字：

 CCGTG
 TTTCG

雖然我想要的是：

 6  CCGTG
 80 TTTCG

有什么建議嗎？

謝謝！

Answer 1

您可以使用join而不是comm ：

join -1 2 -2 2 File1 File2 -a 1 -o 1.1,1.2,2.2

它也會輸出匹配的行，但您可以刪除它們

| grep -v '[ACTG] [ACTG]'

解釋：

• -1 2使用文件 1 中的第二列進行連接；
• -2 2同樣，使用文件 2 中的第二列；
• -a 1還顯示文件 1 中不匹配的行 - 這些是您最終想要的；
• -o指定輸出格式，這里我們需要文件 1 中的第 1 列和第 2 列以及文件 2 中的第 2 列（這只是任意的，您也可以使用第 1 列，但第二個命令會有所不同： | grep -v '[ACTG] [0-9]' )。

Answer 2

comm不是這項工作的正確工具，雖然join可以工作，但您還需要查看運行join兩次，然后使用其他一些命令（例如grep ）進一步過濾結果。

一個需要對每個輸入文件進行一次傳遞的awk想法：

awk 'BEGIN {FS=OFS="\t"}

FNR==NR  { f1[$2]=$1; next }           # save 1st file entries

$2 in f1 { delete f1[$2]; next }       # 2nd file: if $2 in f1[] then delete f1[] entry and skip this line else ..
         { f2[$2]=$1 }                 # save 2nd file entries

END      { # at this point:
           # f1[] contains rows where field #2 only exists in the 1st file
           # f2[] contains rows where field #2 only exists in the 2nd file

           PROCINFO["sorted_in"]="@ind_str_asc"
           for (i in f1) print f1[i],i > "file-23"
           for (i in f2) print f2[i],i > "file-13"
         }
' file1 file2

注意： PROCINFO["sorted_in"]行需要GNU awk ； 沒有這一行，我們無法保證寫入最終輸出文件的順序，然后 OP 需要添加更多（ awk ）代碼來維護排序或使用另一個操作系統級實用程序（例如sort ）對最終​​文件進行排序

這會產生：

$ cat file-23
6       CCGTG
80      TTTCG

$ cat file-13
77      CTTTT
50      TTTTT