☰

проверить, присутствует ли строка в списке, и вывести третий файл, если строка присутствует

tag-icon • tag-icon ubuntu text-processing
проверить, присутствует ли строка в списке, и вывести третий файл, если строка присутствует

У меня есть 2 файла («data.tab» и «mylist.tab»).

Мой файл «data.tab» выглядит так:

Info_1    abc1     abc2     abc3
Info_2    abc5     ghi4
Info_3    abc10
Info_4    abc8     abc7     abc87    klm78    abc99
Info_5

Мой файл «mylist.tab» выглядит так:

abc2
abc10
abc34
abc99
abc78
abc8
abc3
abc5
abc4

Я хотел бы найти, присутствует ли каждая строка в "data.tab" (кроме столбца 1) в "mylist.tab". Я хотел бы создать третий файл "output.tab", где, если строка присутствует, я бы включил "1", иначе "0" в соответствующую строку/столбец.

Пример: "output.tab"

Info_1   0    1     1
Info_2   1    0
Info_3   1
Info_4   1    0     0    0    1
Info_5

Обратите внимание, что «data.tab» содержит разное количество столбцов для каждой строки.

решение1

Это прямо выражено в awk:

awk 'FNR==NR { h[$1]; next } { for(i=2; i<=NF; i++) $i = ($i in h)? 1 : 0 } 1' mylist.tab data.tab

Или в более удобном для чтения формате:

парсинг.awk

# Collect mylist.tab into the `h` associative array
FNR==NR {
  h[$1]
  next
}

# For all but the first column in data.tab check and record if it is in `h`
{ 
  for(i=2; i<=NF; i++) 
    $i = ($i in h) ? 1 : 0 
}

# Short for { print $0 }
1

Запустите его так:

awk -f parse.awk mylist.tab data.tab

Выход:

Info_1 0 1 1
Info_2 1 0
Info_3 1
Info_4 1 0 0 0 1
Info_5

Или для столбцов, разделенных табуляцией:

awk -v OFS='\t' -f parse.awk mylist.tab data.tab

Выход:

Info_1  0   1   1
Info_2  1   0
Info_3  1
Info_4  1   0   0   0   1
Info_5

решение2

Perl спешит на помощь!

Сохраните элементы списка в хэш, затем прочитайте таблицу, разбейте по пробелам и проверьте хэш, чтобы вывести 0 или 1.

#!/usr/bin/perl
use warnings;
use strict;

my %in_list;
open my $LIST, '<', 'mylist.tab' or die $!;
while (<$LIST>) {
    chomp;
    $in_list{$_} = 1;
}

open my $TAB, '<', 'data.tab';
while (<$TAB>) {
    my @cells = split;
    print shift @cells, "\t";
    print join "\t", map $in_list{$_} ? 1 : 0, @cells;
    print "\n";
}

решение3

Используйте sedдля создания sedскрипта из mylist.tab и запуска его на data.tab:

sed \
    -e '1i s/^[ \\t]*//' \
    -e 's@\(.*\)@s/\\([ \\t]\\)\1\\b/\\11/@g' \
    -e '$as/\\([ \\t]\\)[^ \\t]\\{2,\\}\\b/\\10/g' mylist.tab \
    > /tmp/x.sed 
sed -f /tmp/x.sed data.tab

Примечание. Я предполагаю, что все строки в «mylist.tab» содержат не менее 2 символов.

решение4

Другое perlрешение

$ perl -lne 'if(!$#ARGV){ $h{$_}=1 }
             else{ s/\h\K\H+/$h{$&} ? 1 : 0/ge; print }
            ' mylist.tab data.tab
Info_1    0     1     1
Info_2    1     0
Info_3    1
Info_4    1     0     0    0    1
Info_5
  • if(!$#ARGV){ $h{$_}=1 }построить хэш слов вmylist.tab
  • s/\h\K\H+/$h{$&} ? 1 : 0/geдля строк в data.tab, заменить на , 1если присутствует в хэш-переменной, иначе 0. \h\KПоложительный просмотр назад на наличие пробела, таким образом избегая сопоставления первого столбца
  • Затем распечатайте измененную строку

Связанный контент