☰

选择性合并文件内容

tag-icon • tag-icon command-line text-processing
选择性合并文件内容

我需要匹配两个文件并仅打印特定字符后面不是仅跟随其中一个文件中的元素的行。

例如我有两个如下所示的文件：

 1A00.pdb_HEM_COA
 1A01.pdb_HEM
 1A05.pdb_IPM
 1A0F.pdb_GTS_4CA
 1A0G.pdb_PMP
 1A0I.pdb_2CP

和这个：

COA
2CP
3CP
3HC
4CA
4CO

我想匹配它们，如果看起来第一个文件后面_只跟着第二个文件中的元素，那么就不打印它们（例如1A0I.pdb_2CP）。如果在其他行中看起来_后面跟着其他元素，但也跟着第二个文件中的元素，那么只需删除这两个文件中共有的这个元素，但打印该行（例如1A00.pdb_HEM_COA，打印的行应该是这样的1A00.pdb_HEM）。

有人知道该怎么做吗？

答案1

您可以perl从第二个文件的行创建哈希

#!/usr/bin/perl -w

use strict;

BEGIN{ $/ = $\ = "\n"; }

my $stringsfile = shift @ARGV;
open(my $fh, '<:encoding(UTF-8)', $stringsfile)
  or die "Could not open file '$stringsfile' $!";

my %h;

while (defined($_ = <$fh>)) {
    chomp $_;
    $h{$_} = 1;
}

然后将第一个（以及后续）文件的行拆分为连字符分隔的字段，用 grep 查找不在哈希中的字段，然后将它们全部重新连接在一起，并打印 grep 是否返回任何内容：

while (defined($_ = <ARGV>)) { 
    chomp $_;
    my ($x, @F) = split(/_/, $_, 0);
    my @y = grep({not $h{$_};} @F);
    print join('_', $x, @y) if @y;
}

用法：

$ ./foo.pl file2 file1
 1A00.pdb_HEM
 1A01.pdb_HEM
 1A05.pdb_IPM
 1A0F.pdb_GTS
 1A0G.pdb_PMP

注意：如果潜在匹配都在最后，那么使用更简单的方法awk：

awk '
  BEGIN{OFS=FS="_"} 
  NR==FNR {a[$0]++; next} 
  {while ($NF in a) NF--} 
  NF>1 {print}
' file2 file1

对于问题中的示例数据，两种方法都会产生相同的输出。

相关内容