根据另一个文件的字符编辑一个文件中的字符

Question

我有一个如下所示的 .ind 文件：

    I001.HO M Ignore_Iran_Zoroastrian_PCA_outlier.HO
    I002.HO M Ignore_Iran_Zoroastrian_PCA_outlier.HO
    IREJ-T006.HO M Iran_Fars.HO
    IREJ-T009.HO M Iran_Fars.HO
    IREJ-T022.HO M Iran_Fars.HO
    IREJ-T023.HO M Iran_Fars.HO
    IREJ-T026.HO M Iran_Fars.HO
    IREJ-T027.HO M Iran_Fars.HO
    IREJ-T037.HO M Iran_Fars.HO
    IREJ-T040.HO M Iran_Fars.HO

并且我正在尝试将其子集仅适用于某些个人。因此，我在 .txt 文件中有一个所需人员的列表，如下所示：

   IREJ-T026.HO 
   IREJ-T027.HO
   IREJ-T037.HO
   IREJ-T040.HO

然而，带有convertf的eigensoft子集仅采用总体名称而不是个体名称。正如您所看到的，来自同一种群的个体具有相同的种群名称（Iran_Fars.HO）。

如何遍历第一个文件并仅查找第二个文件中列出的个体的行，然后将“_B”附加到人口名称的末尾，以便列表中的那些个体与其他人具有不同的人口名称？

提前致谢！

我一直在尝试以某种方式使用 awk 或 sed，但我是新手，我无法弄清楚

Answer 1

如果我理解正确的话，这可以简单地在

awk

中完成。如果您有

file.ind

并且其中包含

    I001.HO M Ignore_Iran_Zoroastrian_PCA_outlier.HO
    I002.HO M Ignore_Iran_Zoroastrian_PCA_outlier.HO
    IREJ-T006.HO M Iran_Fars.HO
    IREJ-T009.HO M Iran_Fars.HO
    IREJ-T022.HO M Iran_Fars.HO
    IREJ-T023.HO M Iran_Fars.HO
    IREJ-T026.HO M Iran_Fars.HO
    IREJ-T027.HO M Iran_Fars.HO
    IREJ-T037.HO M Iran_Fars.HO
    IREJ-T040.HO M Iran_Fars.HO

而且，您的

file2.txt

包含：

   IREJ-T026.HO
   IREJ-T027.HO
   IREJ-T037.HO
   IREJ-T040.HO

并且，您想要将

_B

附加到

file.ind

中的所有记录，并且第一个字段与

file2.txt

中的记录匹配，您可以执行类似以下操作：

awk 'FNR == NR { a[$1]++; next } {if ($1 in a) { $0=$0 "_B" }; print}' file2.txt file.ind

示例使用/输出

$ awk 'FNR == NR { a[$1]++; next } {if ($1 in a) { $0=$0 "_B" }; print}' file2.txt file.ind
    I001.HO M Ignore_Iran_Zoroastrian_PCA_outlier.HO
    I002.HO M Ignore_Iran_Zoroastrian_PCA_outlier.HO
    IREJ-T006.HO M Iran_Fars.HO
    IREJ-T009.HO M Iran_Fars.HO
    IREJ-T022.HO M Iran_Fars.HO
    IREJ-T023.HO M Iran_Fars.HO
    IREJ-T026.HO M Iran_Fars.HO_B
    IREJ-T027.HO M Iran_Fars.HO_B
    IREJ-T037.HO M Iran_Fars.HO_B
    IREJ-T040.HO M Iran_Fars.HO_B

如果这不是您要问的，请告诉我。我很高兴能提供进一步的帮助。我也会编辑并填写它的工作原理。

Answer 2

使用这个 Perl 一行代码：

perl -lane 'BEGIN { %req = map { chomp; $_ => 1 } `cat required.txt`; } if ( $req{ $F[0] } ) { $F[2] .= "_B" } print join "\t", @F;' infile.ind > outfile.ind

Perl 单行代码使用这些命令行标志：

-e

：告诉 Perl 查找内联代码，而不是在文件中。

-n

：一次循环输入一行，默认将其分配给

$_

。

-l

：在内联执行代码之前删除输入行分隔符（默认情况下在 *NIX 上为

"\n"

），并在打印时附加它。

-a

：在空格或

$_

选项中指定的正则表达式上将

@F

拆分为数组

-F

。

BEGIN { ... }

：在执行

-n

或其他选项指定的任何隐式循环之前执行此块内的代码。

%req = map { chomp; $_ => 1 } `cat required.txt`;

：将整个

required.txt

文件读取到哈希

%req

中，其中键是每一行（删除了终端换行符），值是

1

。

if ( $req{ $F[0] } ) { $F[2] .= "_B" } 

：如果在

$F[0]

哈希中找到第一个字段 (

%req

)，请将

_B

附加到第三个字段（

$F[2]

，或人口）。

print join "\t", @F;

: 打印所有由 TAB 分隔的字段。

另请参阅：

• perldoc perlrun

  ：如何执行Perl解释器：命令行开关