从具有公共（未排序）列的两个文件创建新文件答案

【问题标题】：Create new file from two files with a common (unsorted) column从具有公共（未排序）列的两个文件创建新文件
【发布时间】：2018-10-03 09:42:46
【问题描述】：

这可能是一个非常基本的问题，但我很难过。

我正在尝试从两个带有公共列的大型制表符分隔文件创建一个新文件。这两个文件的头是：

文件1

k141_1  319     4       0
k141_2  400     9       0
k141_3  995     43      0
k141_4  670     21      0
k141_5  372     8       0
k141_6  359     9       0
k141_7  483     18      0
k141_8  1826    76      0
k141_9  566     15      0
k141_10 462     14      0

文件2

U       k141_1  0
U       k141_11 0
U       k141_24 0
U       k141_30 0
C       k141_32 2       18      77133,212695,487010,    5444279,5444689,68971626,       TIEYSSLHACRSTLEDPT,     cellular organisms; Bacteria;
C       k141_38 1566886 16      1566886,        50380646,       ELVMDREAWCAAIHGV,       cellular organisms; Bacteria; Terrabacteria group; Actinobacteria; Actinobacteria; Corynebacteriales; Mycobacteriaceae; Mycobacterium; Mycobacterium sp. WCM 7299;
U       k141_46 0
C       k141_57 186802  23      1496,1776046,1776047,   64601048,64601468,64601628,64603689,64604310,64605360,71436886,71436980,71437249,71437272,71437295,     CLLYTSDAADDLLCVDLGGRRII,        cellular organisms; Bacteria; Terrabacteria group; Firmicutes; Clostridia; Clostridiales;
U       k141_64 0
C       k141_73 131567  14      287,305,1496,2209,1483596,      47871795,47873311,47873322,47880313,47880625,53485494,53485498,62558724,71434583,71434608,      LSRGLGDVYKRQIL,SCLVGSEMCIRDRY,YLSLIHISEPTRQE,   cellular organisms;

我希望新文件包含文件 1 的所有 4 列和文件 2 的第 8 列（分类信息用分号分隔）。

我尝试根据公共列对文件进行排序，但尽管列具有完全相同的值，但输出并不相同。

例如，

[user@compute02 Contigs]$ sort -k 1 file1 | head
k141_1000       312     253     0
k141_1001       553     13      0
k141_1002       518     19      0
k141_1003       812     30      0
k141_1004       327     13      0
k141_1005       454     18      0
k141_100        595     20      0
k141_1006       1585    78      0
k141_1007       537     23      0
[user@compute02 Contigs]$ sort -k 2 file2 | head
U       k141_1  0
C       k141_1000       305     26      305,    62554095,62558735,      PVSYTHLRAHETRGNLVCRLLLEKKK,     cellular organisms; Bacteria; Proteobacteria; Betaproteobacteria; Burkholderiales; Burkholderiaceae; Ralstonia; Ralstonia solanacearum;
C       k141_1001       946362  11      946362, 5059526,        SGRNGLPLKVR,    cellular organisms; Eukaryota; Opisthokonta; Choanoflagellida; Craspedida; Salpingoecidae; Salpingoeca; Salpingoeca rosetta;
C       k141_1002       131567  15      287,305,2209,1483596,   47870166,47873029,47873592,53485045,55518854,62558495,  RTCLLYTSPSPRDKR,NLSLIHISEPTRQEA,EPVSYTHLRAHETRG,        cellular organisms;
C       k141_100        2       14      287,1496,1776047,       53544868,64603691,71437007,     SRSSAASDVYKRQV, cellular organisms; Bacteria;
U       k141_1003       0
C       k141_1004       2       14      518,1776046,1776047,    28571314,64603094,64605737,     LFFFNDTATTEIYT, cellular organisms; Bacteria;
U       k141_1005       0
C       k141_1006       948     13      948,    73024016,       QAPLSMGFSRQEY,  cellular organisms; Bacteria; Proteobacteria; Alphaproteobacteria; Rickettsiales; Anaplasmataceae; Anaplasma; phagocytophilum group; Anaplasma phagocytophilum;
C       k141_1007       287     14      287,    50594737,       RRQRQMCIRDRVGS, cellular organisms; Bacteria; Proteobacteria; Gammaproteobacteria; Pseudomonadales; Pseudomonadaceae; Pseudomonas; Pseudomonas aeruginosa group; Pseudomonas aeruginosa;

任何帮助将不胜感激:)

【问题讨论】：

当您对file1 进行排序时，您会在k141_100 之前得到k141_1000。当您对file2 进行排序时，您会以其他顺序获得它们。我无法重现您的结果，但那里有些问题。

标签： linux unix join merge

【解决方案1】：

这个解决方案应该可以工作。

for i in `cat file1.txt|awk -F" " '{print $1}'`
do
F1=`grep -w $i file1.txt`
F2=`grep -w $i file2.txt|awk -F" " '{$1=$2=$3=$4=$5=$6=$7=""; print $0}'`
echo $F1 $F2
done

【讨论】：