Question

我想用 File-1 中的匹配字符串替换 File-2 中的多个字符串（超过一千个）

File-1：

Geneid Length s1 s2
1_1 6571 7 8
1_2 5041 3 0
1_3 1032 7 3    
1_4 1212 3 5    
1_5 1071 3 5    
2_1 7171 2 7
2_2 1038 1 1
2_3 9361 0 6
2_4 1056 5 1

File-2（地图）：

1_1
1_2 k0002
1_3
1_4
1_5 k0006   
2_1
2_2
2_3
2_4 k0528

预期输出：

Geneid Length s1 s2
1_1 6571 7 8
k0002 5041 3 0
1_3 1032 7 3    
1_4 1212 3 5    
k0006 1071 3 5  
2_1 7171 2 7
2_2 1038 1 1
2_3 9361 0 6
k0528 1056 5 1

我使用了以下 awk 命令：

awk '
NR==FNR {                      
a[$1]=$2                    
next                       
}
{                               
print (($1 in a)?a[$1]:$1, $2, $3, $4)  
}' File-2 File-1 > File-3

这给了我这个：

Geneid  Length  s1  s2
 6571 7 8
k0002 5041 3 0
 1032 7 3   
 1212 3 5   
k0006 1071 3 5  
 7171 2 7
 1038 1 1
 9361 0 6
k0528 1056 5 1

如何修改此 awk 命令以保留不匹配的字符串？
抱歉，我是 linux 新手，awk（正在努力学习）。

Answer 1

表达式 ($1 in a)?a[$1]:$1 打印 a[$1] 或 $1 取决于 $1 是否是 a 中的键。但是你所有的键都在 a 中，例如，对于键 1_1，它打印空字符串，它是 a["1_1"] 的值。解决方案是仅在 a 中的键需要添加值时才填充 $1。

awk 'NR==FNR { if (NF > 1) a[$1]=$2; next }
{ print (($1 in a)?a[$1]:$1, $2, $3, $4) }' File-2 File-1

为了调试像您这样的脚本，在不同点添加 print 语句以查看脚本正在执行的操作会有所帮助。以下是我最终找出您的脚本出了什么问题的方法。

# STILL BUGGY, DEBUGGING RUN
awk 'NR==FNR { print("a[" $1 "]=" $2); a[$1]=$2; next; }
{ print ($1 in a ? a[$1] : $1), $2, $3, $4, ($1 in a), a[$1], $1, ($1 in a ? "yes" : "no"), "end" }' File-2 File-1

Answer 2

$ awk '
    NR==FNR { if (NF>1) a[$1]=$2; next }
    $1 in a { $1=a[$1] }
1' file2 file1
Geneid Length s1 s2
1_1 6571 7 8
k0002 5041 3 0
1_3 1032 7 3
1_4 1212 3 5
k0006 1071 3 5
2_1 7171 2 7
2_2 1038 1 1
2_3 9361 0 6
k0528 1056 5 1

if (NF>1) 有效地确保您只使用来自 a[] 的值填充 file2，您需要，即具有第二个字段的值，
$1 in a 确保您仅在出现以下情况时才将 $1 从 file file2 中存在相关条目。不要测试 a[$1]=="" 或任何类似的东西都会为每个 a[] 填充 $1 在 file1 中，因此会耗尽内存并增加执行时间。
1 导致打印 file1 中的当前行（可能刚刚修改）。

Answer 3

鉴于 File-2 不会为空：

awk 'NR==FNR{a[$1]=$2;next}a[$1]!=""{$1=a[$1]}1' File-2 File-1
Geneid Length s1 s2
1_1 6571 7 8
k0002 5041 3 0
1_3 1032 7 3
1_4 1212 3 5
k0006 1071 3 5
2_1 7171 2 7
2_2 1038 1 1
2_3 9361 0 6
k0528 1056 5 1

如果可以为空，并且使用 GNU awk，则可以将 NR==FNR 替换为 ARGIND==1 或 FILENAME=="File-2"。

用于字符串替换和打印匹配和不匹配字符串的 awk 命令

3 个答案: