Perl 计算文本文件中匹配术语的数量？

我试图从一个输入列表中计算匹配项的数量，该列表包含数据文件中每行一个项，并创建一个输出文件，其中包含匹配（grep'd）项和匹配项的数量

input_list.txt如下所示：

+ 5S_rRNA
+ 7SK
+ AADAC
+ AC000111.3
+ AC000111.6

data.txt文件：

chr10   101780038   101780209   5S_rRNA
chr10   103578280   103578430   5S_rRNA
chr10   112327234   112327297   5S_rRNA
chr10   120766459   120766601   7SK
chr10   127408228   127408317   7SK
chr10   127511874   127512063   AADAC
chr10   14614140    14614294    AC000111.3
chr10   14695964    14696146    AC000111.6

我想创建一个输出文件（output.txt），其中包含匹配的术语及其相应的计数

+ 5S_rRNA   3
+ 7SK   2
+ AADAC 1
+ AC000111.3    1
+ AC000111.6    1

到目前为止，我已经使用下面的脚本生成了一个包含所有匹配项的列表，但是所有提供匹配项计数的尝试都没有成功

    exec < input_list.txt
    while read line
    do
                grep -w data.txt | awk '{print $0}'| sort| uniq  >> grep_output.txt
    done

exec>grep|u output.txt
完成

我尝试了

grep-o-w | wc-l和grep-w data.txt | wc-l

等，但我无法确定如何生成包含匹配项及其相应计数的输出列表

---

任何建议都很好

您可以将input.txt中的单词变灰，并使用uniq获取计数：

cut -d' ' -f2 input.txt | grep -o -f - data.txt | sort | uniq -c

给出：

您还可以添加另一个sed以获得格式化输出：

cut -d' ' -f2 input.txt | grep -o -f - data.txt | sort | uniq -c | \
      sed 's/\s*\([0-9]*\)\s*\(.*\)/+ \2\t\1/'

产生：

---

awk

可以很好地实现这一点：

$ awk 'NR==FNR {vals[$2]=$2}
       $4 in vals {count[$4]++}
       END {for (i in count) print i, count[i]}' input_list data.txt
AC000111.3 1
AC000111.6 1
5S_rRNA 3
AADAC 1
7SK 2

解释

vals[]

存储

输入列表

文件的第二个字段。然后，它检查第二个文件

data.txt

的第四个字段是否在任何行中，并统计

count[]

数组中的出现次数。最后，它在

END{}

块中打印输出

通过

n

（数字）

r

（反向）和

k2

（第二列）选项，您可以获得排序数据：

$ awk 'NR==FNR {vals[$2]=$2}
       $4 in vals {count[$4]++}
       END {for (i in count) print i, count[i]}' input_list data.txt | sort -rnk2
5S_rRNA 3
7SK 2
AC000111.6 1
AC000111.3 1
AADAC 1

---

你可以这样做——这可能就是你自己的目标。它基本上使用“wc-l”统计匹配数，如果大于零，则输出搜索字符串和匹配数：

#!/bin/bash
while read line
do
   line=${line##+ }       # Strip off leading + and space
   n=$(grep "$line" data.txt 2> /dev/null | wc -l)
   if [ $n -gt 0 ]; then
      echo $line $n
   fi
done < input_list.txt

#/bin/bash
读行时
做
line=${line###+}#去掉前导+和空格
n=$（grep“$line”data.txt 2>/dev/null | wc-l）
如果[$n-gt 0]；然后
echo$line$n
fi
完成

您也可以在perl中使用哈希来实现这一点：

#!/usr/bin/perl
use warnings;
use strict; 

open my $list, '<', 'in.txt' or die "$!";
open my $input, '<', 'in.2.txt' or die "$!";

my @split;
my (%data, %hash, %exists);
while(<$input>){
    chomp;
    @split = split(/\s+/);
    my ($info) = $split[3];
    $data{$info}++;
}

while (<$list>){
    chomp;
    my @split = split(/\+ /);
    my ($match) = $split[1];
    $hash{$match} = 1;
}

my $count = 0;
for my $compare (keys %hash){
    if (exists $data{$compare} ){
        $exists{$compare} = $data{$compare};        
        }
 }

foreach my $c (keys %exists){
    print "+ $c: $exists{$c}\n"
}

---

+1.然而，对于所需的格式，我宁愿使用

paste

。类似于：

paste-d''input.txt此外，
sort
管道在这里可能没有用。愚蠢的问题是，如何将输出打印到单独的文件中？谢谢两个回音。。。“echo$line”然后在下一行“echo$n”仍在打印到屏幕上将“>yourOutputFile”添加到最后一行的末尾。
#!/bin/bash
while read line
do
   line=${line##+ }       # Strip off leading + and space
   n=$(grep "$line" data.txt 2> /dev/null | wc -l)
   if [ $n -gt 0 ]; then
      echo $line $n
   fi
done < input_list.txt

perl -lane '$s{ $F[3] }++ END{ print "+ $_ $s{$_}" for sort keys %s }' data.txt

#!/usr/bin/perl
use warnings;
use strict; 

open my $list, '<', 'in.txt' or die "$!";
open my $input, '<', 'in.2.txt' or die "$!";

my @split;
my (%data, %hash, %exists);
while(<$input>){
    chomp;
    @split = split(/\s+/);
    my ($info) = $split[3];
    $data{$info}++;
}

while (<$list>){
    chomp;
    my @split = split(/\+ /);
    my ($match) = $split[1];
    $hash{$match} = 1;
}

my $count = 0;
for my $compare (keys %hash){
    if (exists $data{$compare} ){
        $exists{$compare} = $data{$compare};        
        }
 }

foreach my $c (keys %exists){
    print "+ $c: $exists{$c}\n"
}

+ 5S_rRNA: 3
+ AADAC: 1
+ 7SK: 2
+ AC000111.6: 1
+ AC000111.3: 1