Awk 比较两个文件并打印匹配的字符串，上面一行，下面一行

我的文件1由~100k个条目和文件2~100个条目组成。我想从File2到File1查找匹配的字符串，并打印匹配的行以及上面和下面的一行。对于较小的文件，我使用以下命令。现在我需要在一个大文件中执行，并且我希望所有3个条目都在一行中。有更好的办法吗。我没有多少经验

awk '{split($1, a, ":"); split(a[2], b, "-"); print b[1]" "b[2]}' File2.txt
grep -E "6263604 6263708|130370901 130370975" File1.txt -C 1

文件1

文件2

预期产量

10 . 6263344 6263490 6263604 6263708 6264818 6264947
6 . 130370427 130376400 130370901 130370975 130372394 130372488

假设数字是唯一的，因此没有与示例脚本中相同的前缀匹配

$ cat tst.awk
BEGIN { FS="[ .:-]+" }
{ curr = $2 " " $3 }
NR == FNR {
    a[$1 " . " curr]
    next
}
buf!="" { print buf, curr; buf="" }
$0 in a { buf=$1 " . " prev OFS curr }
{ prev = curr }
END { if (buf!="") print buf }

假设数字是唯一的，因此没有与示例脚本中相同的前缀匹配

$ cat tst.awk
BEGIN { FS="[ .:-]+" }
{ curr = $2 " " $3 }
NR == FNR {
    a[$1 " . " curr]
    next
}
buf!="" { print buf, curr; buf="" }
$0 in a { buf=$1 " . " prev OFS curr }
{ prev = curr }
END { if (buf!="") print buf }

---

要与问题交换文件编号保持一致，例如

file2 FS=”“file1

（完成得很好）要与问题交换文件编号保持一致，例如

file2 FS=”“file1

（完成得很好）我注意到在您的代码中，您的匹配条件中没有包含

10

和

6

，仅限范围，如

6263604 6263708

-当多个第一个值或文件2中不存在的第一个值存在相同范围时，预期行为是什么，例如，如果

5。6263604 6263708

存在于文件1中，但

10 6263604 6263708

没有，如果文件1中的

5..

行被视为与文件2中的

10:…

行匹配，是否打印？@EdMorton在这个数据集中，我用awk'{split（$1，a，“：”）；split（a[2]，b，“-”）；print b[1]“b[2]}”文件2.txt；awk'fner==NR==NR{a[$1$2]=1；下一个}a[$3$4]{打印$3$4}“-File1.txt | sort | uniq-d，没有发现这种情况，但有可能。我的File1是人类基因区域，file2是药物靶区；因此你服用的情况可能适用于其他一些药物。我正在尝试对药物靶点的上游/下游进行基因改造，看看它将如何影响药物相互作用除此之外，您不能通过连接两个字符串来创建唯一值，因为

a bc

和

ab c

在连接时都变成

abc

。因此

a[$1$2]

和

a[$3$4]

是错误的，它们应该是

a[$1，$2]

和

a[$3，$4]

或类似内容。@EdMorton感谢您的分享。我通常都使用这两种方式。老实说，我没有意识到这两种方式的区别。再次感谢您。我注意到您的代码中没有将

10

和

6

包含在匹配条件中，只有

6263604 6263708

这样的范围-当相同的r对于多个第一个值或文件2中不存在的第一个值，存在范围，例如，如果文件1中存在

5.6263604 6263708

，但

10 6263604 6263708

没有，那么文件1中的

5..

行是否应被视为与文件2中的

10:…

行匹配，并按此数据集中的@EdMorton使用awk'{split（$1，a，“：”）；split（a[2]，b，“-”）；print b[1]“b[2]}”File2.txt | awk'FNR==NR{a[$1$2]=1；next}a[$3$4]{print$3，$4}“-File1.txt | sort | uniq-d，没有发现这种情况，但有可能。我的File1是人类基因区域，file2是药物靶区；因此你服用的情况可能适用于其他一些药物。我正在尝试对药物靶点的上游/下游进行基因改造，看看它将如何影响药物相互作用除此之外，您不能通过连接两个字符串来创建唯一值，因为

a bc

和

ab c

在连接时都变成

abc

。因此

a[$1$2]

和

a[$3$4]

是错误的，它们应该是

a[$1，$2]

和

a[$3，$4]

或类似内容。@EdMorton感谢您的分享。我通常都使用这两种方式。老实说，我没有意识到这两种方式的区别。再次感谢您。这看起来更好，前缀不匹配困扰了我。这看起来更好，前缀不匹配困扰了我。

$ awk   'NR==FNR {a[$2" "$3]; next} 
               m {print $1,$2,pp,p,$3,$4; m=""} 
   $3 FS $4 in a {m=1} 
                 {pp=p; p=$3 FS $4}
             END {if(m) print $1,$2,pp,p}' FS='[:-]' file2 FS=' ' file1

10 . 6263344 6263490 6263604 6263708 6264818 6264947
6 . 130370427 130376400 130370901 130370975 130372394 130372488

$ cat tst.awk
BEGIN { FS="[ .:-]+" }
{ curr = $2 " " $3 }
NR == FNR {
    a[$1 " . " curr]
    next
}
buf!="" { print buf, curr; buf="" }
$0 in a { buf=$1 " . " prev OFS curr }
{ prev = curr }
END { if (buf!="") print buf }

$ awk -f tst.awk file2 file1
10 . 6263344 6263490 6263604 6263708 6264818 6264947
6 . 130370427 130376400 130370901 130370975 130372394 130372488