查找和替换文件中与另一个文件中的字符串匹配的子字符串

Question

我有两个 txt 文件：File1 是一个有 9 列的 tsv。以下是它的第一行（SRR6691737.359236/0_14228//11999_12313 是第一列，Repeat 之后是第 9 列）：

SRR6691737.359236/0_14228//11999_12313  Censor  repeat  5       264     1169    +       .       Repeat BOVA2 SINE 1 260 9

File2 是一个有 9 列的 tsv。以下是它的第一行（Read 之后是第 9 列）：

CM011822.1  reefer  discordance 63738705    63738727    .   +   .   Read SRR6691737.359236 11999 12313; Dup 277

文件1包含读取名称（SRR6691737.359236）、读取长度（0_14228)和坐标（11999_12313）的信息，而文件2仅包含读取名称和坐标。文件1中的所有读取名称和坐标都存在于文件2中，但 file2 也可能包含具有不同坐标的相同读取名称。此外，file2 包含 file1 中不存在的读取名称。

我想编写一个脚本，在 file2 中找到与 file1 中的匹配的读取名称和坐标，并将读取长度从 file1 添加到 file2。即更改file2的最后一列：

Read SRR6691737.359236 11999 12313; Dup 277

到：

Read SRR6691737.359236/0_14228//11999_12313; Dup 277

有什么帮助吗？

Answer 1

如果不清楚您的输入文件的外观。

你写：

我有两个 txt 文件：File1 是一个有 9 列的 tsv。以下是 它的第一行（SRR6691737.359236/0_14228//11999_12313 是第一行 列，重复之后是第 9 列）：

SRR6691737.359236/0_14228//11999_12313  Censor  repeat  5       264     1169    +       .       Repeat BOV, ancd A2 SINE 1 260 9

如果我尝试检查列（并将它们放在“列，值”对中）： 列，值 1、SRR6691737.359236/0_14228//11999_12313 2、审查员 3、重复 4,5 5,264 6,1169 7,+ 8、。 9、重复 10、宝瓦2 11、正弦波 12,1 13,260 14,9

那好像有 14 列，你指定 9 列...

您能否编辑您的问题并明确说明这一点？ 即指定为 csv SRR6691737.359236/0_14228//11999_12313,Censor,repeat,5,.....

添加信息，反馈后： file1 包含以下字段（tab-, ancd 分隔）：

1. SRR6691737.359236/0_14228//11999_12313
2. 审查员
3. 5
4. 264
5. 1169
6. +
7. .
8. 重复 BOVA2 SINE 1 260 9

您想将此（使用脚本）转换为制表符分隔的文件：

1. CM011822.1
2. 冷藏
3. 距离
4. 63738705
5. 63738727
6. +
7. .
8. 读SRR6691737.359236 11999 12313
9. 重复 277

需要更多信息来解决这个问题！

字段 1：“CM011822.1”的信息如何/从何而来？

字段 2 和 3：“冷藏”/“距离”。这是固定文本吗，应该和这些字段始终包含这些文本还是有例外？

字段 4 和 5：这些值 (63738705 ; 63738727) 来自哪里？

好吧，很明显，这里有很多问题要问……

第二次改变...：

创建一个文件，命名为'mani.awk'：

FILENAME=="file1"{
        split($1,a,"/");
        x=a[1] " " a[4];
        y=x; gsub(/_/," ",y);
        r[y]=$1;
        c=1; for (i in r) { print c++,i,"....",r[i]; }
}
FILENAME=="file2"{
        print "<--", $0, "--> " ;
        for (i in r) {
                if ($9 ~ i) {
                        print "B:" r[i];
                        split(r[i],b,"/");
                        $9="Read " r[i];
                        print "OK";
                        }
                };
        print "<--", $0, "--> " ;
}

gawk -f mani.awk file1 file2 之后应该会产生正确的结果。

如果没有，我建议你学习 AWK ?，并根据需要更改脚本。