共通ヘッダーを使用して2つのファイルの行をマージする方法は?

共通ヘッダーを使用して2つのファイルの行をマージする方法は?

2つのファイルのヘッダーとして存在する共通データに基づいて2つのファイルをマージしたいと思います。

以下は例です。

ファイル1

>Feature scaffold1
1   100  g
101 200  g
201 300  g
>Feature scaffold2
1   100  g
01  500  g
>Feature scaffold3
10  500  g
>Feature scaffold4
10  300  g

ファイル2

>Feature scaffold1
500 500 r
900 1000    r
>Feature scaffold2
200 300 r
>Feature scaffold3
100 200 r
>Feature scaffold4
500 600 r
>Feature scaffold5
1   1000    r

これが私が望む結果です:

>Feature scaffold1
1   100 g
101 200 g
201 300 g
500 500 r
900 1000    r
>Feature scaffold2
1   100 g
01  500 g
200 300 r
>Feature scaffold3
10  500 g
100 200 r
>Feature scaffold4
10  300 g
500 600 r
>Feature scaffold5
1   1000    r

awkとsedを試しましたが、明らかに成功しませんでした。どうすればいいですか?

答え1

Awk解決策:

awk '/^>/{ k=$1 FS $2 }
     NR==FNR{ 
         if (!/^>/) a[k]=(a[k]!="")? a[k] ORS $0: $0; next
     }
     k in a{ 
         print $0 ORS a[k]; delete a[k]; next 
     }1' file1 file2
  • /^>/{ k=$1 FS $2 }- 遭遇したときヘッダーline(ie) - 最初と 2 番目のフィールドで>Feature ...キーを形成します。k$1$2
  • NR==FNR{ ... }- 最初の入力ファイル(file1)を処理します。
    • if (!/^>/) a[k]=(a[k]!="")? a[k] ORS $0: $0- 蓄積するヘッダーではないa現在のキーを使用して行を配列に配置します。k
    • next- 次のレコードに移動
  • k in a- レコードに基づく現在のキーが(レコードベース)file2配列にある場合:afile1
    • print $0 ORS a[k]- 関連レコードの印刷
    • delete a[k]- 処理されたアイテムの削除

出力:

>Feature scaffold1
1   100  g
101 200  g
201 300  g
500 500 r
900 1000    r
>Feature scaffold2
1   100  g
01  500  g
200 300 r
>Feature scaffold3
10  500  g
100 200 r
>Feature scaffold4
10  300  g
500 600 r
>Feature scaffold5
1   1000    r

答え2

他の方法でもっと簡単にしてください。

grep -v '^scaffold' <(awk -v RS='>Feature ' \
    'NF{s[$1]=s[$1]$0} END{for (x in s)print RS""s[x]}' file[12])

関連情報