Linux结合了两个不同的文本文件答案

【问题标题】：Linux combine two different text filesLinux结合了两个不同的文本文件
【发布时间】：2014-10-20 08:21:55
【问题描述】：

我想使用awk、sed 或其他工具实现如下功能。

比较两个文件（File1、File2）的 ID。
如果相同的 ID 将相同的数据从 File2 带到 File1。

例如如下，

第一个文件名：File1.txt
内部（制表符分隔的表格格式）

ID      Match     Length
100      OK        1000
200      OK        1000
300      OK        2000
400      OK        2000
500      OK        3000

第二个文件名：File2.fasta
该信息包含如下信息

>100
ACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTG
>200
CTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGA
>300
TGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGAC
>400
GACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACT
>500
ACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTG

所以我想从 File2.fasta 再扩展一列到 File1.txt 文件所以这是最终结果

ID      Match     Length     Sequence
100      OK        1000     ACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTG
200      OK        1000     CTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGA
300      OK        2000     TGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGAC
400      OK        2000     GACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACT
500      OK        3000     ACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTG

有人对如何合并这两个文件有什么好的想法吗？

【问题讨论】：

我相信您正在寻找加入。假设您可以格式化 fasta 序列以也使用相同的分隔符。看到这个问题stackoverflow.com/questions/15242791/…
您好，感谢您的回答！我认为几乎接近，但只有不同的第一个文件由 \t 分隔，但第二个文件由 \n 分隔，谢谢！
为了完整起见，我添加了一个应该为您解决这个问题的答案。你只需要先格式化。

标签： python linux perl awk sed

【解决方案1】：

我相信你正在寻找加入。

首先，您需要对文件进行排序，并采用通用格式（相同的分隔符）。

cat File2.fasta |sed 's/$/\t/g'|tr -d '\n' |sed 's/>/\n/g'|sort > File2.fasta.sorted
cat File1.txt|sort > File1.txt.sorted

那么，你只需要像这样加入：

join -a1 -t'$TAB' File1.txt.sorted File2.fasta.sorted

注意这里 $TAB 的意思是制表符。

这将产生如下内容：

100 OK  1000    ACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTG    
200 OK  1000    CTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGA    
300 OK  2000    TGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGAC    
400 OK  2000    GACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACT    
500 OK  3000    ACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTGACTG    
ID  Match   Length

这是您想要的（列名/位置除外）。

【讨论】：

谢谢你的回答我得到了类似join的错误：join: multi-character tab `$TAB' 你知道它是什么吗？
是的，$TAB 是一个占位符。它应该替换为文字选项卡。 '\t' 不起作用，但按 control+v 然后按 tab 会。它在终端中看起来像 ' '。
另见unix.stackexchange.com/questions/46910/…

【解决方案2】：

IFS=$(echo -en "\n\b") && i=1 && for a in $(cat File1.txt); do ((i)) && echo "$a Sequence" && i=0 || echo "$a $(sed -n "/$(echo $a | awk '{print $1}')/{n;p}" File2.fasta)"; done && unset IFS

循环文件，第一行只执行一次新标题，之后它使用 sed 查找匹配后的下一行并将其回显到新列上。

【讨论】：