在linux中搜索另一个文件的另一列中的列

Question

我有一个多列文件如下：

file1.txt
1 12 220 AJ-lett-K-MD
2 33 312 BCJ-23-660-numm
4 22 55  lett-C-100b
5 52 59  lett-C-100bc
6 82 995 numm-X-aab

还有，

file2.txt

1 338 339 89839,lett;847447,AJ-lett-K-MD
2 223 443 numm;33920;numm3,AJ-lett-K-MD,50
3 443 223 AFFVlett-C-100b,lett-C-100b
4 542 442 187;lett-C-100bc
7 765 765 XXXX-CCC

我正在尝试在file2.txt 的4th 列中搜索file1.txt 的4th 列，如果存在，则打印file1.txt 的1st,2nd,3rd 列和4th 列file2.txt，在file2.txt的内容之上。

例如，file1.txt 中1st line 的4th 列是AJ-lett-K-MD。它存在于file2.txt 中1st and 2nd lines 的4th 列中。

所以，我需要打印1st line 的file1.txt 的1st,2nd and 3rd colums 和1st and 2nd lines 的file2.txt 的4th columns ：

所以预期的输出应该是：

expected.txt
1 338 339  89839,lett;847447,AJ-lett-K-MD --> original
1 12  220  89839,lett;847447,AJ-lett-K-MD --> combination of file1 and file2
2 223 443  numm;33920;numm3,AJ-lett-K-MD,50 --> original
1 12  220  numm;33920;numm3,AJ-lett-K-MD,50 --> combination of file1 and file2
3 443 223  AFFVlett-C-100b,lett-C-100b --> original
4 22  55   AFFVlett-C-100b,lett-C-100b --> combination
4 542 442  187;lett-C-100bc --> original
4 22  55   187;lett-C-100bc --> combination
5 52  59   187;lett-C-100bc --> combination
7 765 765 XXXX-CCC

我的尝试是将file1.txt的单词作为变量，然后在file2.txt中搜索：

grep -v ^# file1.txt | while read a b c d; do echo a=$a b=$b c=$c d=$d;
grep "$d" file2.txt

它给出：

1 338 339 89839,lett;847447,AJ-lett-K-MD
2 223 443 numm;33920;numm3,AJ-lett-K-MD,50
3 443 223 AFFVlett-C-100b,lett-C-100b
4 542 442 187;lett-C-100bc

但是，我不知道如何进行。使用awk 或python 会更好吗？任何帮助表示赞赏！

PS : file1.txt 中的 4th 列不是唯一的，我需要所有匹配项（不仅仅是第一个）。

重要编辑：我以不同且更好的方式解释了我的问题：Searching partial match of string in a column in a column of another file 他们搜索相似但不同的输出。

Answer 1

awk 来救援！

假设 file1 的键是唯一的并且需要第一个匹配项

$ awk 'NR==FNR{a[$4]=$1 FS $2 FS $3; next}
              {for(k in a) 
                 if("," $4 "," ~ "(,|;)" k "(,|;)") 
                    {print; print a[k],$4; break}}' file1 file2

如果您需要所有匹配项，请删除 break。

如果键不是唯一的，这种方法只会从第一个文件中获取键值的最后一个实例。以下代码将处理非唯一键和多个匹配项

$ awk 'NR==FNR{a[++c[$4],$4]=$1 FS $2 FS $3; next}
              {for(k in c)
                 if("," $4 "," ~ "(,|;)" k "(,|;)") 
                   for(j=1;j<=c[k];j++) print $0 ORS a[j,k],$4}' file1 file2