仅当列的值存在于文本文件中时才从 .anno 文件中获取行答案

【问题标题】：Getting a row from a .anno file only when the value of a column is present in a text file仅当列的值存在于文本文件中时才从 .anno 文件中获取行
【发布时间】：2020-04-27 18:10:59
【问题描述】：

我真的是脚本和堆栈的新手，所以如果我的问题很愚蠢或放错地方，我很抱歉。

我必须在 Bash 中完成一项任务。

我有一个这样的 DATA.anno 文件：

ID POP LOCALITY
1  Apu Italy
2  Apu Italy
3  Tir Albania
4  Tir Albania
5  Ber Germany
6  Ber Germany

我有一个 pop.txt 文件，其中包含前面文件第二列中存在的两个人口名称：

Apu
Ber

现在我想获取另一个文件，该文件仅包含 pop.txt 文件中存在的人口行。在这种情况下，我要获取的输出文件如下：

ID POP LOCALITY
1  Apu Italy
2  Apu Italy
4  Ber Germany
5  Ber Germany

我已尝试使用此脚本，但似乎无法正常工作：

cat pop.txt | while read line; do grep $line DATA.anno | cut -f 2,3 >> outputfile.txt

【问题讨论】：

这是一个非常常见的任务：如果它不是标题，你也可以使用 grep 实用程序：grep -f pop.txt DATA.anno

标签： bash grep bioinformatics cat

【解决方案1】：

请您尝试关注一下。

awk 'BEGIN{print "ID POP LOCALITY"} FNR==NR{array[$0];next} ($2 in array)'   pop.txt data.anno

说明：添加代码的详细说明。

awk '                         ##Starting awk program from here.
BEGIN{                        ##Starting BEGIN section from here.
  print "ID POP LOCALITY"     ##Printing headers here.
}
FNR==NR{                      ##Checking condition FNR==NR which will be TRUE when first Input_fie is being read.
  array[$0]                   ##Creating array with index of current line.
  next                        ##next will skip all further statements from here.
}
($2 in array)                 ##Checking condition if current line 2nd field is present in array then print that line.
'   pop.txt data.anno         ##Mentioning Input_file names here.

【讨论】：