Bash Grep有/没有ID的多个职位

我想grep一个vcf文件来搜索多个职位。以下工作：

grep -f template_gb37 file.vcf>gb37_result

我的模板_gb37有10000行，如下所示：

1   1156131 rs2887286   C   T
1   1211292 rs6685064   T   C
1   2283896 rs2840528   A   G

printf "cat\nmonkey\ndog" | grep -E "cat|dog"
cat
dog

1   1156131 (\.)|rs2887286   C   T
1   1211292 (\.)|rs6685064   T   C
1   2283896 (\.)|rs2840528   A   G

1   1156131 rs2887286   C   T
1   1211292 rs6685064   T   C
1   2283896 rs2840528   A   G

grep -Ef <( awk '{$3 = "(\\.)|" $3}1' template ) file.vcf

当vcf具有rs时，它工作得非常完美

问题是，我要去grep的vcf可能没有rs和“.”，而是：

File.vcf

#CHROM  POS  ID  REF  ALT ....
1   1156131 .   C   T  ....
1   1211292 .   T   C  ....
1   1211292 .   T   C  ....

有没有办法用“rs”或“.”搜索我的多个模式

---

提前感谢

似乎最好使用

awk

为此，您的数据格式就是它想要的，列。首先解析（固定的）模式，保存它们，并用点而不是

rs..创建额外的模式。

。然后匹配第二个文件中的行

awk 'NR==FNR{a[$1 $2 $3 $4 $5]; a[$1 $2 "." $4 $5]; next}
     ($1 $2 $3 $4 $5) in a' template_gb37 file.vcf > gb37_result

---

似乎最好使用

awk

为此，您的数据格式就是它想要的，列。首先解析（固定的）模式，保存它们，并用点而不是

rs..创建额外的模式。

。然后匹配第二个文件中的行

awk 'NR==FNR{a[$1 $2 $3 $4 $5]; a[$1 $2 "." $4 $5]; next}
     ($1 $2 $3 $4 $5) in a' template_gb37 file.vcf > gb37_result

---

我认为您的意思是文件中的第二个字段可以是

或

rsnnnn

，您希望允许这两个字段中的任何一个。因此，我认为您需要一个“替换”，您可以用

这样做：

1   1156131 rs2887286   C   T
1   1211292 rs6685064   T   C
1   2283896 rs2840528   A   G

printf "cat\nmonkey\ndog" | grep -E "cat|dog"
cat
dog

1   1156131 (\.)|rs2887286   C   T
1   1211292 (\.)|rs6685064   T   C
1   2283896 (\.)|rs2840528   A   G

1   1156131 rs2887286   C   T
1   1211292 rs6685064   T   C
1   2283896 rs2840528   A   G

grep -Ef <( awk '{$3 = "(\\.)|" $3}1' template ) file.vcf

因此，您的模式文件

“template_gb37”

需要如下所示：

1   1156131 rs2887286   C   T
1   1211292 rs6685064   T   C
1   2283896 rs2840528   A   G

printf "cat\nmonkey\ndog" | grep -E "cat|dog"
cat
dog

1   1156131 (\.)|rs2887286   C   T
1   1211292 (\.)|rs6685064   T   C
1   2283896 (\.)|rs2840528   A   G

1   1156131 rs2887286   C   T
1   1211292 rs6685064   T   C
1   2283896 rs2840528   A   G

grep -Ef <( awk '{$3 = "(\\.)|" $3}1' template ) file.vcf

您需要使用以下工具进行搜索：

grep -Ef PATTERNFILE file.vcf

---

如果不想更改图案文件，可以在每次使用时“动态”编辑它。因此，如果

“模板”

当前看起来像这样：

1   1156131 rs2887286   C   T
1   1211292 rs6685064   T   C
1   2283896 rs2840528   A   G

printf "cat\nmonkey\ndog" | grep -E "cat|dog"
cat
dog

1   1156131 (\.)|rs2887286   C   T
1   1211292 (\.)|rs6685064   T   C
1   2283896 (\.)|rs2840528   A   G

1   1156131 rs2887286   C   T
1   1211292 rs6685064   T   C
1   2283896 rs2840528   A   G

grep -Ef <( awk '{$3 = "(\\.)|" $3}1' template ) file.vcf

以下

awk

将对其进行编辑：

awk '{$3 = "(\\.)|" $3}1' template

为此：

1 1156131 (\.)|rs2887286 C T
1 1211292 (\.)|rs6685064 T C
1 2283896 (\.)|rs2840528 A G

也就是说，你可以用我的全部答案：

1   1156131 rs2887286   C   T
1   1211292 rs6685064   T   C
1   2283896 rs2840528   A   G

printf "cat\nmonkey\ndog" | grep -E "cat|dog"
cat
dog

1   1156131 (\.)|rs2887286   C   T
1   1211292 (\.)|rs6685064   T   C
1   2283896 (\.)|rs2840528   A   G

1   1156131 rs2887286   C   T
1   1211292 rs6685064   T   C
1   2283896 rs2840528   A   G

grep -Ef <( awk '{$3 = "(\\.)|" $3}1' template ) file.vcf

---

grep-Ef我认为您的意思是文件中的第二个字段可以是
或
rsNNNNNN
，您希望允许其中一个。因此，我认为您需要一个“替换”，您可以用
这样做：

1   1156131 rs2887286   C   T
1   1211292 rs6685064   T   C
1   2283896 rs2840528   A   G

printf "cat\nmonkey\ndog" | grep -E "cat|dog"
cat
dog

1   1156131 (\.)|rs2887286   C   T
1   1211292 (\.)|rs6685064   T   C
1   2283896 (\.)|rs2840528   A   G

1   1156131 rs2887286   C   T
1   1211292 rs6685064   T   C
1   2283896 rs2840528   A   G

grep -Ef <( awk '{$3 = "(\\.)|" $3}1' template ) file.vcf

因此，您的模式文件
“template_gb37”
需要如下所示：

1   1156131 rs2887286   C   T
1   1211292 rs6685064   T   C
1   2283896 rs2840528   A   G

printf "cat\nmonkey\ndog" | grep -E "cat|dog"
cat
dog

1   1156131 (\.)|rs2887286   C   T
1   1211292 (\.)|rs6685064   T   C
1   2283896 (\.)|rs2840528   A   G

1   1156131 rs2887286   C   T
1   1211292 rs6685064   T   C
1   2283896 rs2840528   A   G

grep -Ef <( awk '{$3 = "(\\.)|" $3}1' template ) file.vcf

您需要使用以下工具进行搜索：

grep -Ef PATTERNFILE file.vcf


如果不想更改图案文件，可以在每次使用时“动态”编辑它。因此，如果
“模板”
当前看起来像这样：

1   1156131 rs2887286   C   T
1   1211292 rs6685064   T   C
1   2283896 rs2840528   A   G

printf "cat\nmonkey\ndog" | grep -E "cat|dog"
cat
dog

1   1156131 (\.)|rs2887286   C   T
1   1211292 (\.)|rs6685064   T   C
1   2283896 (\.)|rs2840528   A   G

1   1156131 rs2887286   C   T
1   1211292 rs6685064   T   C
1   2283896 rs2840528   A   G

grep -Ef <( awk '{$3 = "(\\.)|" $3}1' template ) file.vcf

以下
awk
将对其进行编辑：

awk '{$3 = "(\\.)|" $3}1' template

为此：

1 1156131 (\.)|rs2887286 C T
1 1211292 (\.)|rs6685064 T C
1 2283896 (\.)|rs2840528 A G

也就是说，你可以用我的全部答案：

1   1156131 rs2887286   C   T
1   1211292 rs6685064   T   C
1   2283896 rs2840528   A   G

printf "cat\nmonkey\ndog" | grep -E "cat|dog"
cat
dog

1   1156131 (\.)|rs2887286   C   T
1   1211292 (\.)|rs6685064   T   C
1   2283896 (\.)|rs2840528   A   G

1   1156131 rs2887286   C   T
1   1211292 rs6685064   T   C
1   2283896 rs2840528   A   G

grep -Ef <( awk '{$3 = "(\\.)|" $3}1' template ) file.vcf

grep-Ef我移除了标签；根据标签描述，它用于vCard文件。好的，谢谢你的评论。我删除了标签；根据标签描述，它用于vCard文件。好的，谢谢你的评论。你好像把括号放错地方了。我想应该是
（\.\rs2887286）
等等。。。。但是现有的答案IMHO用一个Awk脚本更优雅地解决了这个问题。@triplee如果OP愿意编辑他的模式文件，我觉得它比
Awk
解决方案要好，因为它变成了
grep-Ef PATTERNFILE file.vcf
。不管怎样，我并没有说这是更好的，这只是另一种可能的考虑：-感谢TrPress和马克的两个答案。我不介意更改模板文件，以使此方法完全符合我的需要。我还认为“唯一的”grep近似是一个更漂亮的解决方案。你似乎把括号放错地方了。我想应该是
（\.\rs2887286）
等等。。。。但是现有的答案IMHO用一个Awk脚本更优雅地解决了这个问题。@triplee如果OP愿意编辑他的模式文件，我觉得它比
Awk
解决方案要好，因为它变成了
grep-Ef PATTERNFILE file.vcf
。不管怎样，我并没有说这是更好的，这只是另一种可能的考虑：-感谢TrPress和马克的两个答案。我不介意更改模板文件，以使此方法完全符合我的需要。我还认为“唯一”的grep近似是一个更漂亮的解决方案。谢谢@thanasisp的回答。你的近似值很有趣，但我认为grep近似值是一个更好的选择。谢谢@thanasisp的回答。你的近似值很有趣，但我认为grep近似值是一个更好的选择。