☰

検索パターンファイルを使用してCSVの最後の列で正しい単語を検索するにはどうすればよいですか？

tag-icon • tag-icon bash awk regular-expression csv gawk
検索パターンファイルを使用してCSVの最後の列で正しい単語を検索するにはどうすればよいですか？

この問題は別のトピックで議論されていますが、すべての内容を1つにまとめることはできません。

TSVファイルがあります。以下はサンプルラインです：（file1）

NODE_1_length_45927_cov_22.029055_g0_i0 WP_055195622.1  93.1    729     50      0       291     2477    1       729     0.0e+00 1275.4  166486;1897048

最後のフィールドには、で区切られた数字のリストが含まれています;。

検索パターンのリストを含むファイル（ファイル2）があります。

33090
3041
1897
97100
97101
166486

検索パターンを含む行を出力したいです。

  1. 最後のフィールドのみ
  2. ;で区切られた最後のフィールドのすべての数字は一致することができますが、パターンと正確に一致する単語でなければなりません。

これまで私の最善の試みは

awk 'NR==FNR{a[$1]; next} {for (i in a) if ($NF ~ i) print $0}' file2 file1

ただし、これには部分一致が含まれます。たとえば、1897は2番目の数字と一致するため、一致しません。

私は単語全体のさまざまなバリエーションを一致させるためにgawk正規表現を試しました。

awk 'NR==FNR{a[$1]; next} {for (i in a) if ($NF ~ '/\yi\y/') print $0}' file2 file1

awk 'NR==FNR{a[$1]; next} {for (i in a) if ($NF ~ '/[^[:alpha:]]i[^[:alpha:]]/') print $0}' file2 file1

しかし、出力はありません。

どんなに醜いでも、すべてのbashソリューションは素晴らしいでしょう。ただし、それぞれ2000万行の12個のファイルがあるため、ループでこの問題を解決することはできません。早く。

どんな助けでも大変感謝します。

ベストアンサー1

awk 'NR==FNR{a[$1];next}{n=split($NF,b,";");for(i=1;i<=n;i++){if(b[i] in a){print;break}}}' file2 file1

リリースされたバージョン：

awk '
  NR==FNR{a[$1];next}
  {
    n=split($NF,b,";")
    for(i=1;i<=n;i++){
      if(b[i] in a){print;break}
    }
  }   
' file2 file1

split($NF,b,";")最後のフィールドをセミコロンに分割し、結果をb配列に入れます。b割り当てられた要素の数を返しますn。あなたの例の行からn=2と。b[1]=166486b[2]=1897048

if(b[i] in a){print;break}正確に一致するものがある場合は、その行を印刷してループを中断して、同じ行が2回印刷されないようにします。

おすすめ記事