bash - 比较不同文件中的两列并为共享项追加数据 - UNIX

Question

我一直在论坛中搜索我的问题的解决方案，但不幸的是我没有成功。我对 bash 还很陌生；因此，我将非常感谢链接到先前问题/讨论的任何建议

我有两个文件:

文件 1

    Ada     ada
    Ada     ada
    Ada     aidB
    Ada     alkA
    Ada     alkB
    Ada     alkB
    AdiY    adiA
    AdiY    gadA

文件2

    NP_414557.1     insL1
    NP_414559.1     mokC
    YP_025292.1     hokC
    NP_414560.1     nhaA
    NP_414561.1     nhaR
    NP_414562.1     insB1
    NP_414563.1     insA
    NP_414564.1     rpsT

我想根据第二列比较file1 和file2。如果对象相同，我想将 file2 中第 1 列中的文本附加到 file1 中第三列中相对于该特定共享条目的文本。

预期输出:file1

    PhoB  caiT  NP_414580.1     
    PhoP  caiE  NP_414581.1     
    PhoP  caiB  NP_414582.1 

---

请将报告的文本视为示例。

我正在努力使用 awk 尝试调整先前问题的代码:

Compare two files of different columns and print different columns

awk 'NR==FNR{a[$1]=$2 ; next }$2 in a {$1=$1 FS a[$2]print}' file1 file2

非常感谢您的宝贵时间和帮助。

最好的。

Answer 1

正如@fedorqui 评论的那样，您的示例输入/输出不一致。我认为这应该可以解决问题:

awk 'NR==FNR{a[$2]=$0; next} a[$2]>0{print a[$2],$1}' file1 file2

文件1:

A alice
B bob
C carol
D dan

文件2:

1 dan
2 alice
3 carol
4 bob

输出:

$ awk 'NR==FNR{a[$2]=$0} NR>FNR && a[$2]>0{print a[$2],$1}' file1 file2
D dan 1
A alice 2
C carol 3
B bob 4

输出可以按您使用 sort -k 选择的任何列进行排序。分解 awk 代码:

• NR==FNR{a[$2]=$0; next - NR 是一个 awk 变量，它包含到目前为止处理的总行数。 FNR 类似，但只包含当前文件的进程行数，所以这个条件实际上意味着“只对第一个输入文件执行此操作”。关联的操作将整行 ($0) 存储在关联数组 a 中，索引是该行第二个字段的值。 next 只是意味着 awk 应该移动到下一行而不做进一步的处理。

• a[$2]>0{print a[$2],$1} - 此条件只会针对第二个和后续输入文件进行测试。第二个字段用作从 a 中查找值的索引 - 如果该值大于 0(即，在这种情况下该值是一个字符串)，则打印该值，然后通过当前行的第一个字段。

基本上，第一个文件的每一行都存储在一个数组中，由该行的第二个字段索引。如果第二个字段在第二个文件中匹配，则打印第一个文件的整行，并附加第二个文件的第二个字段。