匹配 2 个制表符分隔的文本文件中的列

Question

我有两个制表符分隔的 .txt 文件

file1 有 2000 万行，结构如下

col1    col2    col3    col4    col5
1       x       x       A       x
2       y       y       A       x
3       z       z       A       x
4       x       x       B       x
5       x       y       B       x
6       x       y       E       x
7       x       z       F       x

file2 有 3000 行，结构如下

col1
A
B
C
D

现在我想从 file1 中提取 file2 的 col1 和 file1 的 col4 匹配的行

所以新的 file3 应该是这样的

col1    col2    col3    col4    col5
1       x       x       A       x
2       y       y       A       x
3       z       z       A       x
4       x       x       B       x
5       x       y       B       x

如何使用 perl 或 bash 做到这一点？

Answer 1

您可以使用标准的 awk 命令来加入 2 个文件：

awk 'BEGIN{FS=OFS="\t"} FNR == NR { a[$1]; next } $4 in a' file2 file1

Answer 2

试试这个 -

awk -F'[ ]+' 'NR==FNR {a[$1]++;next} $4 in a{print $0}' f2 f1
1       x       x       A       x
2       y       y       A       x
3       z       z       A       x
4       x       x       B       x
5       x       y       B       x

Answer 3

由于您还询问了 Perl，这里有一个可重用的 perl 解决方案。您首先读取文件 2，生成查找值数组，然后读取文件 1，打印出第 4 列与我们在上面创建的数组中的值匹配的任何行。这样的事情可能会奏效：

#!/usr/bin/perl
use strict;
use warnings;
use autodie;

my $key_file = shift;
open(my $fh, "<", $key_file);
my $header = <$fh>; # read the header line into '$h'
my %keys = map{ chomp; $_ => 1 }<$fh>;
close $fh;

my $query_file = shift;
open(my $q_fh, "<", $query_file);
print scalar <$q_fh>;
while (<$q_fh>) {
    my @fields = split;
    print if $keys{$fields[3]};
}
close $q_fh;

您可以将其运行为table_combine.pl <file2> <file1>。