连接具有相同标题的多个文件

Question

我有多个文件，它们具有相同的标头和下面的不同向量。我需要连接所有这些，但我只想连接第一个文件的标题，我不希望连接其他标题，因为它们都是相同的。

例如：file1.txt

<header>INFO=<ID=DP,Number=1,Type=Integer>
<header>INFO=<ID=DP4,Number=4,Type=Integer>
A
B 
C

文件2.txt

<header>INFO=<ID=DP,Number=1,Type=Integer>
<header>INFO=<ID=DP4,Number=4,Type=Integer>
D
E 
F

我需要输出

<header>INFO=<ID=DP,Number=1,Type=Integer>
<header>INFO=<ID=DP4,Number=4,Type=Integer>
A
B
C
D
E 
F

我可以在 R 中编写脚本，但我需要在 shell 中使用它？

Answer 1

另一种解决方案，类似于cat+grep上面的“ ”，使用tail和head：

1. 将第一个文件的标题写入输出：

   head -2 file1.txt > all.txt
   

   --head -2获取文件的前 2 行。

2. 添加所有文件的内容：

   tail -n +3 -q file*.txt >> all.txt
   

   --n +3使得tail打印线从3日到年底， -q告诉它不打印与文件名（读头man）， >>增加了文件，而不是覆盖它>。

并且确保您可以将两个命令放在一行中：

head -2 file1.txt > all.txt; tail -n +3 -q file*.txt >> all.txt

或者而不是;放在&&它们之间进行成功检查。

Answer 2

如果您知道如何在 R 中完成，那么一定要在 R 中完成。使用经典的 unix 工具，这最自然地在 awk 中完成。

awk '
    FNR==1 && NR!=1 { while (/^<header>/) getline; }
    1 {print}
' file*.txt >all.txt

awk 脚本的第一行与文件的第一行 ( FNR==1)匹配，除非它也是所有文件的第一行 ( NR==1)。当满足这些条件时，将while (/^<header>/) getline;执行表达式，这会导致 awk 继续读取另一行（跳过当前行），只要当前行与 regexp 匹配^<header>。awk 脚本的第二行打印除了先前跳过的行之外的所有内容。

Answer 3

尝试这样做：

$ cat file1.txt; grep -v "^<header" file2.txt
<header>INFO=<ID=DP,Number=1,Type=Integer>
<header>INFO=<ID=DP4,Number=4,Type=Integer>
A
B 
C
D
E 
F

笔记

• 所述-v标记的装置反转的匹配的grep
• ^在REGEX 中，表示字符串的开头
• 如果你有一堆文件，你可以做

：

array=( files*.txt )
{ cat ${array[@]:0:1}; grep -v "^<header" ${array[@]:1}; } > new_file.txt

这是一种bash数组切片技术。