使用grep或awk匹配文本

我和grep和awk有问题。我想这是因为我的输入文件包含的文本看起来像代码

输入文件包含ID名称，如下所示：

SNORD115-40
MIR432
RNU6-2

Ensembl Gene ID HGNC symbol
ENSG00000199537 SNORD115-40
ENSG00000207793 MIR432
ENSG00000266661
ENSG00000243133
ENSG00000207447 RNU6-2

ENSG00000199537 SNORD115-40
ENSG00000207793 MIR432
ENSG00000207447 RNU6-2

参考文件如下所示：

SNORD115-40
MIR432
RNU6-2

Ensembl Gene ID HGNC symbol
ENSG00000199537 SNORD115-40
ENSG00000207793 MIR432
ENSG00000266661
ENSG00000243133
ENSG00000207447 RNU6-2

ENSG00000199537 SNORD115-40
ENSG00000207793 MIR432
ENSG00000207447 RNU6-2

我希望将源文件中的ID名称与参考文件匹配，并打印出相应的ensg ID号，以便输出文件如下所示：

SNORD115-40
MIR432
RNU6-2

Ensembl Gene ID HGNC symbol
ENSG00000199537 SNORD115-40
ENSG00000207793 MIR432
ENSG00000266661
ENSG00000243133
ENSG00000207447 RNU6-2

ENSG00000199537 SNORD115-40
ENSG00000207793 MIR432
ENSG00000207447 RNU6-2

我尝试过这个循环：

exec < source.file
while read line
do
grep -w $line reference.file > outputfile
done

但我只有一个grep的身份证

---

任何建议或更简单的方法都会很好。

这将实现以下目的：

$ awk 'NR==FNR{a[$0];next}$NF in a{print}' input reference
ENSG00000199537 SNORD115-40
ENSG00000207793 MIR432
ENSG00000207447 RNU6-2

$fgrep-f source.file reference.file
ENSG0000199537 SNORD115-40
ENSG0000207793 MIR432
ENSG0000207447 RNU6-2

fgrep

相当于

grep-F

：

-F，--固定字符串
将模式解释为固定字符串的列表，由
换行符，任何要匹配的换行符。（-F由
POSIX.）

-f

选项用于从文件中获取

模式

：

-f FILE，--FILE=FILE
从文件中获取模式，每行一个。空文件
包含零个模式，因此不匹配任何内容。（-f是
由POSIX指定。）

如注释中所述，如果

reference.file

中的ID包含

source.file

中的ID作为子字符串，则可能产生误报。您可以使用

sed

动态地为

grep

构建更明确的模式：

---

grep-f这是一次很好的
bash
ish尝试。问题是您总是覆盖结果文件。使用“>>”而不是
，或者在
完成后移动

grep -w $line reference.file >> outputfile

或

但我更喜欢Lev的解决方案，因为它只启动一次外部过程

如果要在纯
bash
中解决此问题，可以尝试以下方法：

ID=($(<IDfile))

while read; do
   for((i=0;i<${#ID[*]};++i)) {
       [[ $REPLY =~ [[:space:]]${ID[$i]}$ ]] && echo $REPLY && break
   }
done <RefFile >outputfile

cat outputfile

较新的
bash
支持关联数组。它可用于简化和加快对密钥的搜索：

declare -A ID
for i in $(<IDfile); { ID[$i]=1;}

while read v; do
   [[ $v =~ [[:space:]]([^[:space:]]+)$ && ${ID[${BASH_REMATCH[1]}]} = 1 ]] && echo $v
done <RefFile

declare-A ID
对于$中的i（这将产生误报，即输入文件中的
SNORD115-40
也将匹配参考ect中的
SNORD115-401
。我们可以使用“fgrep-wf source.file reference.file”来避免误报。