☰

Grep 用於在檔案中搜尋模式

tag-icon • tag-icon text-processing grep
Grep 用於在檔案中搜尋模式

我想用來grep在第二個文件中搜尋一個文件中的模式。我的模式檔是這樣的：

K02217
K07448
KO8980

要搜尋的文件是：

>aai:AARI_24510  proP; proline/betaine transporter; K03762 MFS transporter, MHS family, proline/betaine transporter
>aai:AARI_26600  ferritin-like protein; K02217 ferritin [EC:1.16.3.1]
>aai:AARI_28260  hypothetical protein
>aai:AARI_29060  ABC drug resistance transporter, inner membrane subunit; K09686 antibiotic transport system permease protein
>aai:AARI_29070  ABC drug resistance transporter, ATP-binding subunit (EC:3.6.3.-); K09687 antibiotic transport system ATP-binding protein
>aai:AARI_29650  hypothetical protein
>aai:AARI_32480  iron-siderophore ABC transporter ATP-binding subunit (EC:3.6.3.-); K02013 iron complex transport system ATP-binding protein [EC:3.6.3.34]
>aai:AARI_33320  mrr; restriction system protein Mrr; K07448 restriction system protein

我嘗試的命令是：

fgrep --file=pattern.txt file.txt >> output.txt

這將列印 file.txt 中找到模式的行。我需要它來列印一列包含找到的模式的列。所以像這樣：

K07448 mrr; restriction system protein Mrr; K07448 restriction system
K02217 ferritin-like protein; K02217 ferritin [EC:1.16.3.1]

任何人都可以建議我該怎麼做？

答案1

如果您不介意其中有一個額外的列，您可以使用join和grep來執行此操作。

$ join <(grep -of patterns.txt file.txt | nl) \
       <(grep -f patterns.txt file.txt | nl)
1 KO3322 proteinaseK (KO3322)
2 KO3435 Xxxxx KO3435;folding factor
3 KO3435 Yyyyy KO3435,xxxx

答案2

您可以使用 shell 循環：

$ while read pat; do 
    grep "$pat" file | 
        while read match do 
            echo -e "$pat\t$match"
        done
 done < patterns 
KO3435  Xxxxx KO3435;folding factor
KO3435  Yyyyy KO3435,xxxx
KO3322  proteinaseK (KO3322)

我透過在 UniProt 人類平面檔案 (625M) 上運行它並使用 1000 個 UniProt ID 作為模式進行測試。在我的 Pentium i7 筆記型電腦上大約需要 6 分鐘。當我只查找 100 個模式時，我大約花了 35 秒。

正如下面的評論中所指出的，您可以透過跳過echo和 使用grep和--label選項來稍微加快速度-H：

$ while read pat; do 
    grep "$pat" --label="$pat" -H < file
done < patterns

在範例文件上執行此命令會​​產生：

$ while read pat; do 
    grep "$pat" --label="$pat" -H < kegg.annotations; 
  done < allKO.IDs.txt > test1
terdon@oregano foo $ cat test1 
K02217:>aai:AARI_26600  ferritin-like protein; K02217 ferritin [EC:1.16.3.1]
K07448:>aai:AARI_33320  mrr; restriction system protein Mrr; K07448 restriction system protein

答案3

您可以使用確認:

$ ack "$(tr '\n' '|' < pattern.txt | sed -e 's/.$//')" --print0 --output='$& $_' file.txt
KO3322 proteinaseK (KO3322)
KO3435 Xxxxx KO3435;folding factor
KO3435 Yyyyy KO3435,xxxx

相關內容