Como mesclar as linhas de dois arquivos tendo cabeçalhos comuns?

8

Quero mesclar dois arquivos com base nos dados comuns presentes neles como cabeçalho.

A seguir está o exemplo

Arquivo1

>Feature scaffold1
1   100  g
101 200  g
201 300  g
>Feature scaffold2
1   100  g
01  500  g
>Feature scaffold3
10  500  g
>Feature scaffold4
10  300  g

Arquivo 2

>Feature scaffold1
500 500 r
900 1000    r
>Feature scaffold2
200 300 r
>Feature scaffold3
100 200 r
>Feature scaffold4
500 600 r
>Feature scaffold5
1   1000    r

E aqui está o tipo de saída que eu quero:

>Feature scaffold1
1   100 g
101 200 g
201 300 g
500 500 r
900 1000    r
>Feature scaffold2
1   100 g
01  500 g
200 300 r
>Feature scaffold3
10  500 g
100 200 r
>Feature scaffold4
10  300 g
500 600 r
>Feature scaffold5
1   1000    r

Eu tentei alguns awk e sed, mas claramente não foram bem-sucedidos, como posso fazer isso?

Namrata Patel
fonte

Respostas:

7

Awk solução:

awk '/^>/{ k=$1 FS $2 }
     NR==FNR{ 
         if (!/^>/) a[k]=(a[k]!="")? a[k] ORS $0: $0; next
     }
     k in a{ 
         print $0 ORS a[k]; delete a[k]; next 
     }1' file1 file2
  • /^>/{ k=$1 FS $2 }- ao encontrar a linha do cabeçalho (ou seja >Feature ...) - componha uma chave kdo 1º $1e 2º $2campos
  • NR==FNR{ ... }- processando o primeiro arquivo de entrada ( file1):
    • if (!/^>/) a[k]=(a[k]!="")? a[k] ORS $0: $0- acumular linhas que não sejam cabeçalho na matriz ausando a chave atualk
    • next - pula para o próximo registro
  • k in a- se a chave atual com base no file2registro estiver na matriz a(com base nos file1registros):
    • print $0 ORS a[k] - imprimir registros relacionados
    • delete a[k] - excluir itens processados

A saída:

>Feature scaffold1
1   100  g
101 200  g
201 300  g
500 500 r
900 1000    r
>Feature scaffold2
1   100  g
01  500  g
200 300 r
>Feature scaffold3
10  500  g
100 200 r
>Feature scaffold4
10  300  g
500 600 r
>Feature scaffold5
1   1000    r
RomanPerekhrest
fonte
4

Outra abordagem e para simplificá-la.

grep -v '^scaffold' <(awk -v RS='>Feature ' \
    'NF{s[$1]=s[$1]$0} END{for (x in s)print RS""s[x]}' file[12])
αғsнιη
fonte