小编Lin*_*ket的帖子

我有两个文件，让我们说

文件1：

Locus_1
Locus_2
Locus_3

文件2：

3  3  Locus_1  Locus_40  etc_849    
3  2  Locus_2  Locus_94  *    
2  2  Locus_6  Locus_1  *    
2  3  Locus_3,Locus_4  Locus_50  *    
3  3  Locus_9  Locus_3  etc_667

我想要做一个grep -F为所述第一文件仅在所述第二文件的第三列（在原始File2字段由制表符是分开的），如输出应为：

输出：

3  3  Locus_1  Locus_40  etc_849    
3  2  Locus_2  Locus_94  *    
2  3  Locus_3,Locus_4  Locus_50  *

我该怎么做？

Edit To Chaos：不，逗号不是错误。我可以在一列中包含多个 Locus_* - 万一第二个 Locus_*（逗号后面的那个）也匹配File1我希望检索它的行之一！

假设我有这两个文件：

1.

Locus_1 univ
Locus_2 anc
Locus_3 cat

2.

university  GO:000001
impromptu   GO:000002
advanced    GO:000003
inheritance GO:000004

我想在文件 #2 上对文件 #1 的 $2 执行 grep -f，但我还想检索第一个文件的行和与文件 #1 的 $2 匹配的文件 #2 的整行。

基本上，我希望我的输出是这样的

Locus_1 univ university GO:000001
Locus_2 anc  advanced   GO:000003

我怎样才能做到这一点？我以为我可以用for循环逐行解析第一个文件，然后将该行存储在一个变量中，但我无法成功。

我在 Windows 上使用 Cygwin shell。

我试图将四个大文件连接成两个。文件 *_1P.gz 包含的行数与对应的 *_2P.gz 行数相同。

文件A_1P.gz和A_2P.gz两者都包含1104507560行。
文件B_1P.gz和B_2P.gz两者都包含1182136972行。

但是，cat A_1P.gz B_1P.gz > C_1P.gz| wc -l返回186974687行和cat A_2P.gz B_2P.gz > C_2P.gz| wc -l返回182952523行，因此两者不仅比两个输入文件小得多（它们的长度应该超过 2B 行，而小于 2M），而且它们的行数也不同。运行的命令没有显示任何错误。

我无法理解发生了什么，我也生成了这四个大文件cat并且它运行正常。

• 可能是什么问题？
• 我还有什么其他选项可以在不使用的情况下连接 gzipped 文件cat？

我在 CentOS 服务器上工作。我还有 197G 的空间，所以这应该不是问题（或者至少应该显示错误）。

我有一个具有以下结构的文件：

Locus7625186 GO0004866
Locus7625186 GO0010951
Locus7625186 GO0005615
Locus7625186 GO0016021
Locus7360093 GO0004712
Locus7360093 GO0007093
Locus1507198 GO0044212
Locus1507198 GO0045944
Locus1507198 GO0005634
Locus1507198 GO0036464
Locus1507198 GO0046982

我需要将其转换为：

Locus7625186 GO0004866 GO0010951 GO0005615 GO0016021
Locus7360093 GO0004712 GO0007093
Locus1507198 GO0044212 GO0045944 GO0005634 GO0036464 GO0046982

请注意，GOxxxxxxx共享相同第一列匹配的数量各不相同。