Regex Awk搜索文件2中文件1中存储的正则表达式

我有以下问题：

我有两个文件。文件1包含文件2中搜索的起始字符串（标题）

文件1看起来像：

header1
header5
header17
header1076
...

和文件2，其中包含以下格式的数据：

>header
XXXX
>header2
XXXX
XXXX
XXX
>header3
X

所以我想要一个名为header2的文件

>header2
XXXX
XXXX
XXX

如果文件1中存在header2

现在，我想将file2的条目提取到一个单独的文件名中，就像在file1中存在头时的头一样。我有一个用于提取条目的有效awk脚本，但我必须手动指定regex+文件名：

awk '/header1/{p=1;print $0;next} /^>/{p=0} p{print}' file2 > ~/Desktop/single_scaffolds/header1

我知道我可能只需要通过一些bash代码或类似代码从file1中调用提取脚本，但我认为完全可以在awk中解决它

到目前为止，我试过：

awk ' 
FNR==NR {  
    scafArray[$0] = $0
}
for (entry in scafArray){

/entry/{p=1;print $0;next} /^>/{p=0} p{print > "~/Desktop/single_scaffolds/adjacent_sequence/"entry};
exit;

}' file1 file2

但我总是出错。我不是很精通awk，所以欢迎任何帮助：）

编辑：我还有一个想法，就是在一次通过文件2解析一次时，一次将它们全部提取出来，这样我就不必在文件中搜索多次（文件2可能是千兆字节大的，我可能想提取数百个条目），但我真的不知道怎么做；）

---

EDIT2：我实际上不确定查找1mio行文件中的每一行是否与我的100个标题中的一个匹配（如1mio*最多查找100次）或在文件中搜索100次以查找1个标题并在找到他后退出（如100*最多查找1mio比较）

如果您的文件与示例中的一样，您可以从文件1加载数组，以便索引与文件2中应触发输出的行完全匹配

这样，查找将是哈希映射搜索，时间不变，比循环100个可能匹配的内容（或100次传递文件）更有效，因此希望性能不会太差：

编辑：基于标题名打印到文件的版本：

NR==FNR { a[">" $0]; next }
$0 in a {fn = substr($0, 2); p = 1; print > fn; next}
/^>/ {p = 0}
p { print > fn }

原始答复：

$ cat asr.awk
NR==FNR { a[">" $0]; next }
$0 in a {p = 1; print $0; next}
/^>/ {p = 0}
p

$ cat file1
header2
header5
header17
header1076

$ cat file2
>header1
X1
>header2
XXXX2
XXXX2
XXX2
>header3
X3
XXXX3
>header5
aaa
aaaa
a
>header18
bbb
bbbb
bb

$ awk -f asr.awk file1 file2
>header2
XXXX2
XXXX2
XXX2
>header5
aaa
aaaa
a

---

您能说明文件1的确切结构吗？文件1中的头是唯一的吗？哇，这看起来比我想象的要简单得多。现在，如果我想将输出存储在一个名为像header一样的文件中，我假设我可以在print$0之后添加一些内容？像{p=1；filename=/path/to/file/$0；print$0>filename；next}和在p{print$0>>filename}结尾处，请参见编辑。（请注意，我从文件名前面删除了

。严格来说没有必要这样做，但除非有某种要求，否则没有它，生活可能会更简单。；）还要注意，

print$0

和

print

是等效的。最后，在同一个awk运行中，通常只需要使用单个

重定向输出。第一个将（重新）创建一个空文件，其余的将全部追加。如果要将调用awk之前的文件追加到文件中，则只需

>

。无需担心我会变慢；），谢谢你的回答。第二次打印不应该使用>>吗？这样它就不会覆盖第一次打印时文件中的标题行？请参阅此处，以获得有关

与

>

的更好解释：