☰

如何从excel文件中提取包含row的关键词？

tag-icon • tag-icon shell-script shell text-processing python perl
如何从excel文件中提取包含row的关键词？

我需要按照给定关键字文件中指定的顺序从 Excel 文件 (.xls) 中提取包含 row 的关键字。例如，我有一个 excel 文件，即基因组.xls，如下所示，

NC_0208.1   18918   94692   amyl4_A0A0H         1   54  194
NC_0208.1   18839   86123   prot4_A0A0          1   79  137
NC_0208.4   29761   74985   lip10_H8FLU5        2   393 48
NC_0208.2   29687   67745   lysin6_A0A0Q5       5   38  49

我有一个关键字文件，即 id.txt，如下所示，

prot
lip
cellulase
lysin
amyl

预期输出是

NC_0208.1   18839   86123   prot4_A0A0          1   79  137
NC_0208.4   29761   74985   lip10_H8FLU5        2   393 48

NC_0208.2   29687   67745   lysin6_A0A0Q5       5   38  49 
NC_0208.1   18918   94692   amyl4_A0A0H         1   54  194

除此之外，如果基因组文件中不存在关键字，则应在输出文件中将整行保留为空。为了做到这一点，我使用了 grep 命令，如下所示，

grep 'prot\|lip\|cellulase\|lysin\|amyl' genome.xls > result.xls

上述命令是提取包含整行的关键字，但顺序已更改。此外，它不会为缺失的关键词留下空行。因此，请帮助我做同样的事情。提前致谢。

答案1

尝试这个，

while read a ; do grep "$a" genome.xls || printf "\n" ; done < id.txt 

NC_0208.1   18839   86123   prot4_A0A0          1   79  137
NC_0208.4   29761   74985   lip10_H8FLU5        2   393 48

NC_0208.2   29687   67745   lysin6_A0A0Q5       5   38  49 
NC_0208.1   18918   94692   amyl4_A0A0H         1   54  194

答案2

我认为您的要求需要对关键字进行循环。我推荐以下 shell 脚本（尽管如果您愿意，您可以将其吸收为一行）：

#!/bin/bash

while read keyword
do
    # Apply grep, but store result in variable
    MATCH="$(grep $keyword genome.xls)"

    # If grep result is an empty string, output an empty line,
    # otherwise the grep result as-is.
    if [[ -z "$MATCH" ]]
    then
        echo
    else
        echo "$MATCH"
    fi
done < id.txt

通过循环内容id.txt可以确保输出的顺序。

调用脚本

user@host$ ./extract_lines.sh > result.xml

为了使脚本更加灵活，我们可以将要处理的文件设置为命令行参数，甚至是命令行参数列表：

#!/bin/bash

if [[ "$#" == "0" ]]
then
    echo "Usage: $0 <filename(s)>"
    exit 1
fi


for file in "$@"
do
    outfile=${file/.xls/_result.xls}
    :>$outfile

    echo "Process $file, write results to $outfile"


    while read keyword
    do
    # Apply grep, but store result in variable
    MATCH="$(grep $keyword $file)"

    # If grep result is an empty string, output an empty line,
    # otherwise the grep result as-is.
    if [[ -z "$MATCH" ]]
    then
            echo "" >> $outfile
    else
            echo "$MATCH" >> $outfile
    fi
    done < id.txt
done

这将循环指定为命令行参数（并且是 it *.xls）的所有文件并将结果写入<input_filename>_result.xls.

笔记然而，这种语法有点初级，因为您不应该*在参数列表中将文件名规范与“glob”（即通配符，如 ）和常规文件名混合使用。

相关内容