如何按参考文件顺序匹配目标文件并输出匹配行及其后一行

核心思路 #

先遍历目标文件（target），将所有序列ID和对应的序列内容关联存储到哈希结构中，再遍历参考文件（ref），按参考文件的ID顺序读取并输出对应的ID和序列，即可严格保证顺序符合要求。

具体实现 #

直接使用awk单命令即可完成需求：

awk 'FNR==NR{
    if($0~/^[NX]P_/){
        id=$0
        a[id]=$0
        getline
        b[id]=$0
    }
    next
}
{
    print a[$1]
    print b[$1]
}' target ref

命令说明 #

• 第一阶段处理第一个输入文件target：
  • 匹配以NP_或XP_开头的行，判定为序列ID行
  • 暂存当前ID，将ID行内容存入哈希a
  • 调用getline读取下一行的序列内容，存入哈希b，键与a保持一致为当前ID
• 第二阶段处理第二个输入文件ref：
  • 按ref的行顺序逐个读取ID，依次输出哈希a中存储的ID行、哈希b中存储的对应序列行

如果需要匹配你给出的输出示例中每行前置4个空格的格式，修改print部分即可：

awk 'FNR==NR{
    if($0~/^[NX]P_/){
        id=$0
        a[id]=$0
        getline
        b[id]=$0
    }
    next
}
{
    print "    "a[$1]
    print "    "b[$1]
}' target ref

内容的提问来源于stack exchange，提问作者user5719890