Sed 基于第一行返回多行，其中包含来自第二个文件的查询

我有一个大文件（~4000000行），由多个数据块组成，每个数据块都有一个介绍性的ID标记，第二个文件中有一个选定的ID标记列表

例如：

Data.txt

>ID:1000
data about this
more data
data
>ID:1001
blah blah
data
>ID:1002
foo
...

和ID_Tags.txt

>ID:1000
>ID:1002
>ID:1085
>ID:3062
...

我需要一种方法从data.txt中获取ID_Tags.txt中指定数据的ID标记和相应数据，这样我就会得到一个如下所示的文件：

选择_Data.txt

>ID:1000
data about this
more data
data
>ID:1002
foo
...

我可以一次获取一个数据块

sed -n '/ID:1000/,/>/p' Data.txt | head -n -1 >> Select_Data.txt

---

但这一次只做一个ID标记，我有数百个选择ID标记。有没有办法避免手动执行此操作？

您可以使用以下

awk

脚本：

awk 'NR==FNR{i[$1];next} NF>1 && $1 in i{print ">"$0}' RS='>' ids.txt data.txt

输出：

>ID:1000
这方面的数据
更多数据
数据
>身份证号码：1002
等

我的解决方案的关键是使用

RS='>'

将默认的记录分隔符

\n

替换为

。使用此技巧访问数据的各个字段非常简单

解释

我们正在将这两个文件传递给awk、ids.txt和data.txt，awk将按顺序处理它们

NR==FNR{i[$1]；next}

运行，除非awk正在解析第一个文件ids.txt

NR

表示当前记录编号，

FNR

表示当前文件中记录的编号。它们仅在解析第一个文件时相等

i[$1]

添加id值（不带前导的

，因为它是字段分隔符）作为数组

i

的键<代码>下一步停止该行的进一步处理

$1 in i{print”>“$0}

将检查数据记录的第一列（id）是否是数组

i

中的键，并在将

添加回该记录的前面时打印该记录

请注意，我们正在另外检查

NF>1

（表示记录不是空的），因为awk将返回一个空的第一条记录，因为数据文件以记录分隔符

开头<数组中的code>将在awk中生成

true

，并将打印和附加

这可能适合您（GNU-sed）：

---

这将从ids文件构建一个sed脚本，并针对数据文件运行该脚本。sed脚本在ids文件中查找这些id，并打印id行和后面的那些行，直到下一个id返回并检查id。所有其他行都将被删除。

谢谢，现在应该修复。通常，您应该测试

NF

，而不是

$0

，决定记录是否为空，因为如果存在值且数值计算结果为零，则对

$0

的测试将失败。在这种情况下，我看不出

$0

如何不希望地计算为零，因为每个记录都以

ID

开头，但这只是一般的经验法则。当然，在这种情况下，测试

NR>1

会更清晰。@EdMorton谢谢Ed，我一直很感谢您的演讲！：）实际上，我建议单独使用

NF

（测试一条空记录）或

NR>1

（测试第二条和后续记录），而不是

NF>1

（测试记录中的多个字段）。那些清晨的讲座很难集中注意力，我想：-）。虽然我已经想到了，但你的讲座看起来干净多了。加1。不客气。如果/当您准备接受答案时，请记住单击答案旁边的复选标记。

$ awk 'NR==FNR{tags[$0];next} /^>/{f=($0 in tags)} f' ID_Tags.txt Data.txt
>ID:1000
data about this
more data
data
>ID:1002
foo

$ awk 'NR==FNR{tags[$0];next} /^>/{f=($0 in tags)} f' ID_Tags.txt Data.txt
>ID:1000
data about this
more data
data
>ID:1002
foo