2つのファイルがあります。
ファイル1（検索）：
1
GACGGAGGATGCAAGTGTTATCCGGAATCACTGGGCGTAAAGTTTTTTTTT
2
GACGGAGGATGCAAGTGTTATCCGGAAT
3
GACGGAGGATGCAAGTGTTATCCGGAATCACTGGGCGTAAAGCGTCC
4
GACGGAGGATGCAAGTGTTATCCGGAATCACTGGGCCGTCCGTAG
ファイル2（モード）：
GACGGAGGATGCAAGTGTTATCCGGAATCACTGGGCGTAAAGC
GACGGAGGATGCAAGTGTTATCCGGAATCACTGGGCGTAAAGCG
GACGGAGGATGCAAGTGTTATCCGGAATCACTGGGCGTAAAGCGTCC
GACGGAGGATGCAAGTGTTATCCGGAATCACTGGGCGTAAAGCGTCCGTAG
私に必要なのは：
1
GACGGAGGATGCAAGTGTTATCCGGAATCACTGGGCGTAAAGTTTTTTTTT
2
3
4
GACGGAGGATGCAAGTGTTATCCGGAATCACTGGGCCGTCCGTAG
つまり、パターンファイルから検索ラインを検索するスクリプトが必要であり、検索ラインを完全にまたは部分的に見つけることができる場合（「2」以降の行の場合）、その検索ラインを作成しないでください。する必要があります。 1.
私はこのフォーラムで見つけた多くのgrepとawkスクリプトを試しましたが、私の要件を満たすスクリプトはありません。
awk 'FN==NR {exclude[$0];next} !($0 in exclude)' file2 file1
または
awk 'NR==FNR{a[$1]++;next} !($1 in a) {print $1} {next}' file2 file1
私もgrepを試しました。
とにかく、私が試したすべてのスクリプトは、部分一致ではなくパターンと正確に一致するものを見つけました。
誰でもどんなアイデアがありますか？
ベストアンサー1
awkスクリプトの使用:
NR == FNR { seq[++n] = $1; next }
{
header = $0
getline
for (i = 1; i <= n; ++i) {
if (match(seq[i], $0) > 0) {
print header
next
}
}
print header
print
}
実行してください：
$ awk -f script.awk file2 file1
1
GACGGAGGATGCAAGTGTTATCCGGAATCACTGGGCGTAAAGTTTTTTTTT
2
3
4
GACGGAGGATGCAAGTGTTATCCGGAATCACTGGGCCGTCCGTAG
スクリプトは最初にfile2配列から2000個のシーケンスを読み取り、次に配列からseqヘッダーを読み取り（次に使用）file1からシーケンスを読み取ります。次に配列を繰り返して、現在のシーケンスを含むシーケンスを見つけます。そのようなシーケンスが見つかると、ヘッダーが印刷され、スクリプトは実行中の次の行に続きます。それ以外の場合は、タイトルと順序が印刷されます。file1getlineseqfile1file1
スクリプトにはfile1ヘッダーとシーケンス行が交互に含まれていると見なされ、複数行のシーケンスは含まれません。
以下は同じスクリプトですが、DRY原則（「繰り返さないでください」）を使用してください。
NR == FNR { seq[++n] = $1; next }
{
header = $0
getline
found = 0
for (i = 1; i <= n; ++i) {
if (match(seq[i], $0) > 0) {
found = 1
break
}
}
print header
if (!found) print
}