☰

搜索模式并将行附加到另一个文件

tag-icon • tag-icon text-processing
搜索模式并将行附加到另一个文件

我有一个这样的文件（五个制表符分隔的列）

head allKO.txt
Metabolism Carbohydrate metabolism Glycolisis K07448
Metabolism Protein metabolism protesome K02217

我想在文件的第 5 列中搜索模式（字符串）KEGG.annotations，如果找到，我想在另一个文件中打印找到KEGG.annotations模式的行以及 的所有列allKO.txt。我正在寻找模式的文件是：

head KEGG.annotations
>aai:AARI_24510  proP; proline/betaine transporter; K03762 MFS transporter, MHS family, proline/betaine transporter
>aai:AARI_26600  ferritin-like protein; K02217 ferritin [EC:1.16.3.1]
>aai:AARI_28260  hypothetical protein
>aai:AARI_29060  ABC drug resistance transporter, inner membrane subunit; K09686 antibiotic transport system permease protein
>aai:AARI_29070  ABC drug resistance transporter, ATP-binding subunit (EC:3.6.3.-); K09687 antibiotic transport system ATP-binding protein
>aai:AARI_29650  hypothetical protein
>aai:AARI_32480  iron-siderophore ABC transporter ATP-binding subunit (EC:3.6.3.-); K02013 iron complex transport system ATP-binding protein [EC:3.6.3.34]
>aai:AARI_33320  mrr; restriction system protein Mrr; K07448 restriction system protein

我想要这样的东西：

Metabolism Carbohydrate metabolism Glycolisis K07448 >aai:AARI_33320 mrr; restriction system protein Mrr; K07448 restriction system
Metabolism Protein metabolism proteasome K02217  >aai:AARI_26600 ferritin-like protein; K02217 ferritin [EC:1.16.3.1]

请注意，>aai:AARI_33320 mrr; restriction …附加到第一行的文本是 的第八行KEGG.annotations，其中包含K07448（是 的第一行的 ID 字段（第五个字段）allKO.txt）。

如何修改此代码才能使用我的模式文件？这适用于只有一列包含要查找的特定模式的模式文件。

while read pat; do
    grep "$pat" --label="$pat" -H < KEGG.annotations;
done < allKO.txt > test1

答案1

您可以使用已有的代码。将该行存储到数组中并匹配第五个元素：

while read -r line; do
    [ -z "$line" ] && continue
    patlist=($line)
    pat=${patlist[4]}
    grep "$pat" --label="$line" -H < KEGG.annotations
done < allKO.txt

返回：

Metabolism Carbohydrate metabolism Glycolisis K07448:>aai:AARI_33320  mrr; restriction system protein Mrr; K07448 restriction system protein
Metabolism Protein metabolism protesome K02217:>aai:AARI_26600  ferritin-like protein; K02217 ferritin [EC:1.16.3.1]

答案2

这似乎符合您的要求：

while read w1 w2 w3 w4 ID
do
    printf "%s " "$w1 $w2 $w3 $w4 $ID"
    if ! grep "$ID" KEGG.annotations
    then
        echo
    fi
done < allKO.txt

这会将输出写入屏幕。将输出 ( >) 重定向（例如> test1）添加到最后一行以捕获文件中的输出。

  • 根据您的示例，键/ID 字段（“模式”）是第五的五文件中的字段allKO.txt，所以我们read w1 w2 w3 w4 ID.你说这是一个制表符分隔的文件；我假设所有字段都不包含空格。
  • 写入 ( printf) 来自 的行（即字段）allKO.txt，末尾有一个空格，但没有终止换行符。
  • 在( grep)KEGG.annotations文件中搜索 ID（来自 的行中的第五个字段allKO.txt）。这些将是完整的行（包括换行符）。
  • 如果grep失败，请写一个换行符，因为printf没有。

  • 这将导致 ID 不存在的行KEGG.annotations 被简单地写入输出：

    Metabolism Protein metabolism proteasome K02217  >aai:AARI_26600 ferritin-like protein; K02217 ferritin [EC:1.16.3.1]
This ID doesn’t exist: K99999

    并且多次存在的 ID 被写入附加行（不重复 中的数据allKO.txt）：

    Metabolism Protein metabolism proteasome K02217  >aai:AARI_26600 ferritin-like protein; K02217 ferritin [EC:1.16.3.1]
This is a hypothetical additional line from KEGG.annotations that mentions “K02217”.

相关内容