☰

awk：提取与第一行中的子字符串匹配的制表符分隔列

tag-icon • tag-icon awk
awk：提取与第一行中的子字符串匹配的制表符分隔列

我想从文本文件（“columns.txt”）中提取制表符分隔的列，其中标题（第一行）与另一个文本文件（“strings.txt”）中列出的某些字符串匹配。

“columns.txt”看起来像这样：

rs2438689   rs54666437   rs9877702046   rs025436779...
0           0            0              1
1           1            2              2 
0           1            2              0 
...         ...          ...            ...

“strings.txt”看起来像这样：

rs2438689
rs9877702046   
...

输出文本文件“output.txt”应如下所示（制表符分隔）：

rs2438689   rs9877702046...
0           0              
1           2               
0           2               
...         ...

关于如何使用 awk 执行此操作有什么建议吗？谢谢你！

答案1

代替 Awk，如何从 中创建一个以逗号分隔的列名列表，并将其用作sstrings.txt的列表：namedcolcsvtool

$ csvtool -t TAB -u TAB namedcol "$(paste -sd, < strings.txt)" columns.txt
rs2438689   rs9877702046
0   0
1   2
0   2
... ...

或与csvcut/csvformat基于 Python 的类似csvkit：

$ csvcut -tc "$(paste -sd, < strings.txt)" columns.txt | csvformat -T
rs2438689   rs9877702046
0   0
1   2
0   2
... ...

答案2

和perl

$ perl -F'\t' -lane 'if(!$#ARGV){ $h{$_}=1 }
                     else{ @i = grep { $h{$F[$_]} == 1 } 0..$#F if !$c++;
                           print join "\t", @F[@i]}' strings.txt columns.txt
rs2438689   rs9877702046
0   0
1   2
0   2
  • if(!$#ARGV){ $h{$_}=1 }对于第一个输入文件，创建一个以行内容作为键的哈希值
  • @i = grep { $h{$F[$_]} == 1 } 0..$#F if !$c++对于第二个文件的第一行，从哈希中创建所有匹配列名称的索引列表
  • print join "\t", @F[@i]打印匹配的列

答案3

修改我对你之前问题的解决方案:

awk -F '\t' -f script.awk strings.txt columns.txt

哪里script.awk​

BEGIN { OFS = FS }

FNR == NR {
    columns[$1] = 1
    next
}

FNR == 1 {
    for (i = 1; i <= NF; ++i)
        if ($i in columns)
            keep[i] = 1
}

{
    nf = split($0, fields, FS)
    $0 = ""
    j = 0

    for (i = 1; i <= nf; ++i)
        if (i in keep)
            $(++j) = fields[i]

    print
}

在这里，该FNR == NR块只会在读取命令行 ( strings.txt) 上列出的第一个文件时执行。它将使用columns作为列名称的键填充数组。其余的代码是或多或少与旧解决方案相同，除了我们检查当前列是否是我们想要保留的列（在FNR == 1块中）之外。

解决评论中的问题:

要始终复制前六列并剪切 处的列标题_，请更改

FNR == 1 {
    for (i = 1; i <= NF; ++i)
        if ($i in columns)
            keep[i] = 1
}

进入

FNR == 1 {
    for (i = 1; i <= NF; ++i) {
        sub("_.*", "", $i)
        if (i <= 6 || $i in columns)
            keep[i] = 1
    }
}

答案4

通过使用下面的脚本完成，可能很长时间都可以正常工作

k=wc -l file1| awk '{print $1}'

for ((i=1;i<=$k;i++));  do for j in `cat file2`; do awk -v i="$i" -v j="$j" '$i == j {x=NR+k}(NR<=x){print $i}' file1; done ; done>final.txt

z=`wc -l final.txt| awk '{print $1}'`

for ((i=1;i<=$z;i++)); do j=$(($i+3)); sed -n ''$i','$j'p' final.txt >file_starting_with_$i.txt; i=$j; done

paste file_starting_with*

输出

rs2438689   rs9877702046
0       0
1       2
0       2

相关内容