दूसरे में सूचीबद्ध एक फ़ाइल से पैटर्न का पता लगाएं


15

मैं उन पैटर्नों को खोजना चाहता हूं जो एक फ़ाइल में सूचीबद्ध हैं और उन्हें अन्य फ़ाइल में ढूंढते हैं। दूसरी फ़ाइल में उन पैटर्न को अल्पविराम द्वारा अलग किया गया है।

उदाहरण के लिए पहली फ़ाइल F1 में जीन है

ENSG00000187546
ENSG00000113492  
ENSG00000166971

और दूसरी फ़ाइल F2 में उन जीनों के साथ कुछ और कॉलम (पांच कॉलम) हैं जिनकी मुझे आवश्यकता है

 region     gene           chromosome  start       end

 intronic   ENSG00000135870 1   173921301   173921301
intergenic  ENSG00000166971(dist=56181),ENSG00000103494(dist=37091) 16 53594504    53594504
ncRNA_intronic  ENSG00000215231 5   5039185 5039185
intronic    ENSG00000157890 15  66353740    66353740

तो जीन ENSG00000166971 जो दूसरी फ़ाइल में मौजूद है, grep में दिखाई नहीं देता क्योंकि इसके साथ एक और जीन है, जो अल्पविराम द्वारा अलग किया गया है।

मेरा कोड है:

grep -f "F1.txt" "F2.txt" >output.txt

मैं उन मूल्यों को चाहता हूं, भले ही उनमें से एक मौजूद है, और इसके साथ जुड़े डेटा। क्या ऐसा करने का कोई तरीका है?


1
क्या यह संभव है कि आपका grepएंकर डिफ़ॉल्ट रूप से इसके पैटर्न को लागू करे ? grep -f <(echo a) <(echo 'a,b')कोई उत्पादन करता है ?
जोसेफ आर।

जवाबों:


11

आप किस संस्करण का grepउपयोग कर रहे हैं? मैंने आपका कोड आज़माया और निम्नलिखित परिणाम प्राप्त किए:

$ grep -f file1 file2
ENSG00000187546
ENSG00000113492
ENSG00000166971,ENSG00000186106

तुम सिर्फ परिणाम है कि मेल खाते हैं आप का उपयोग कर सकते हैं grepके -oस्विच केवल बातें रिपोर्ट करने के लिए है कि मैच:

$ grep -o -f file1 file2 
ENSG00000187546
ENSG00000113492
ENSG00000166971

grep संस्करण

$ grep --version
grep (GNU grep) 2.14
Copyright (C) 2012 Free Software Foundation, Inc.
License GPLv3+: GNU GPL version 3 or later <http://gnu.org/licenses/gpl.html>.
This is free software: you are free to change and redistribute it.
There is NO WARRANTY, to the extent permitted by law.

Written by Mike Haertel and others, see <http://git.sv.gnu.org/cgit/grep.git/tree/AUTHORS>.

F1.txt में आवारा चरित्र?

इसे आगे डीबग करते हुए मैंने फ़ाइल में 2 पंक्ति के अंत में कई आवारा स्थानों को देखा F1.txt। आप उन्हें उपयोग करके देख सकते हैं hexdump

$ hexdump -C ff1
00000000  45 4e 53 47 30 30 30 30  30 31 38 37 35 34 36 0a  |ENSG00000187546.|
00000010  45 4e 53 47 30 30 30 30  30 31 31 33 34 39 32 20  |ENSG00000113492 |
00000020  20 0a 45 4e 53 47 30 30  30 30 30 31 36 36 39 37  | .ENSG0000016697|
00000030  31 0a                                             |1.|
00000032

वे साथ के रूप में ASCII कोड 20. आप यहाँ उन में उन्हें देख सकते हैं दिखाई देते हैं: 32 20 20 0a


1
grep --version GNU grep 2.6.3 कॉपीराइट (C) 2009 फ्री सॉफ्टवेयर फाउंडेशन, इंक। लाइसेंस GPLv3 +: GNU GPL संस्करण 3 या बाद में < gnu.org/licenses/gpl.html > यह मुफ्त सॉफ्टवेयर है: आप बदलने के लिए स्वतंत्र हैं और इसे फिर से वितरित करें। कानून द्वारा अनुमत सीमा तक कोई वारंटी नहीं है। मुझे केवल मैच मिल रहे हैं यदि वे व्यक्तियों के रूप में मौजूद हैं और जैसा कि आपने कहा था। अजीब बात है, जो एकमात्र मैच मुझे मिल रहा है वह फ़ाइल से अंतिम पैटर्न है जिसमें मिलान किए जाने वाले पैटर्न हैं।
रॉन

1
मैंने अपनी दूसरी फ़ाइल का अधिक पूर्ण संस्करण चिपकाया है, हालांकि कम पंक्तियों के साथ, और इसके लिए खोज करने की कोशिश की। यह दूसरी फ़ाइल से दूसरी पंक्ति से मेल नहीं खाती
Ron

1
@ रॉन - आपके पास F1.txt फ़ाइल में स्ट्रिंग्स के अंत में आवारा अक्षर हैं जो आपके मुद्दे का कारण बन रहे हैं। बस इस बात की पुष्टि यह ग्रेप पर ठीक काम करता है (जीएनयू ग्रेप) 2.5.1
SLM

1
मैंने सिर्फ यूनिक्स-एलएफ प्रारूप में पाठ रैंगलर में फ़ाइल को बचाया, और अब यह काम करता है !!
रॉन

2
@Ron - हाँ खाली स्थान के मजाक 8-)
SLM
हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.