Perl：删除两个文件之间的唯一行

Question

我感兴趣的是删除两个文件之间的唯一行，而不是删除重复的行。这些文件有不同的格式。

文件 1：

m160505_031746_42156_s1_p0|105337|10450_16161
m160505_031746_42156_s1_p0|104750|20537_27903
m160505_031746_42156_s1_p0|103809|17563_25308
m160505_031746_42156_s1_p0|103217|8075_11486 

文件 2（制表符分隔）：

acCAATCCCATCACCATCtt    m160505_031746_42156_s1_p0|105337|10450_16161
atTAAAATACCATTATATgg    m160505_031746_42156_s1_p0|104750|20537_27903
caAACTCCAACTACGAACtg    m160505_031746_42156_s1_p0|103809|17563_25308
atCTATTTAAACCTAATCgg    m160505_031746_42156_s1_p0|103217|8075_11486
acCAATCCCATCACCATCtt    m160505_031746_42156_s1_p0|152092|36592_40830
atTAAAATACCATTATATgg    m160505_031746_42156_s1_p0|143825|13009_23809
caAACTCCAACTACGAACtg    m160505_031746_42156_s1_p0|143710|0_20191
atCTATTTAAACCTAATCgg    m160505_031746_42156_s1_p0|140833|25358_34709

文件 2 与第 2 列中的文件 1 具有相同的行，在第 1 列中以 20 个字母开头。第 1 列中的 20 个字母模式在文件 2 中重复（多次，不仅仅是两次），具有唯一的关联序列每次出现。

我想将文件 1 中的序列与文件 2 中的第二列进行匹配。如果有匹配项，我想为每个匹配项生成一个包含两列的新文件，保持文件 2 之间的关系两列。实际上，我希望简单地删除文件 2 中与文件 1 中的第 2 列不匹配的行。

我意识到我的代码需要帮助，但到目前为止，我所提供的信息可以让您更多地了解我的想法。我可能最终需要使用哈希，尽管我担心这样做是因为第 1 列中的重复。我不想丢失这些以及它们与第 2 列的关系。

use strict;
use warnings;

open(OUT, '>', '/path/to/out.txt') or die $!;
open(FMT0, '<', '/path/to/fmt0.txt') or die $!;

my $regex = qr/m160505_.*/;
while(my $line = <FMT0>){
    $line =~ $regex;
    open(FMT6, '<', '/path/to/fmt6.txt') or die $!;
    while(my $zero_fmt = <FMT6>){
            if ($zero_fmt =~ /([A-Z]{20})\t($line)/i){
                    print OUT $zero_fmt;
            }
    }
}

感谢您的帮助！

Answer 1

这样的事情可能会完成工作。 :-)

grep -f <(grep ^m160505_ file1) file2

这是一个 Perl 解决方案，因为这就是您所要求的：

#!/usr/bin/env perl

use strict;
use warnings;

die "usage: $0 <file1> <file2>\n"
  unless @ARGV == 2;

open(my $file1, '<', $ARGV[0])
  or die "Could not open file1: $!\n";

my %keys;
while (<$file1>) {
  chomp;
  $keys{$_} = 1 if /^m160505_/;
}

close($file1);

open (my $file2, '<', $ARGV[1])
  or die "Could not open file2: $!\n";

while (<$file2>) {
  chomp;
  my ($key) = /\t(.+)$/;
  print "$_\n" if $keys{$key};
}

close($file2);

在行动：

$ grep -f <(grep ^m160505_ file1) file2
acCAATCCCATCACCATCtt    m160505_031746_42156_s1_p0|105337|10450_16161
atTAAAATACCATTATATgg    m160505_031746_42156_s1_p0|104750|20537_27903
caAACTCCAACTACGAACtg    m160505_031746_42156_s1_p0|103809|17563_25308
atCTATTTAAACCTAATCgg    m160505_031746_42156_s1_p0|103217|8075_11486

$ ./atgc.pl file1 file2
acCAATCCCATCACCATCtt    m160505_031746_42156_s1_p0|105337|10450_16161
atTAAAATACCATTATATgg    m160505_031746_42156_s1_p0|104750|20537_27903
caAACTCCAACTACGAACtg    m160505_031746_42156_s1_p0|103809|17563_25308
atCTATTTAAACCTAATCgg    m160505_031746_42156_s1_p0|103217|8075_11486