免费注册 查看新帖 |

ChinaUnix.net

  平台 论坛 博客 文库
最近访问板块 发新帖
查看: 1341 | 回复: 2

[文本处理] 如何根据同一注释将重叠部分合并 [复制链接]

论坛徽章:
0
发表于 2018-05-22 19:36 |显示全部楼层
A文件4列,序列ID,起始位置,终止位置,注释。目的是将同一注释重叠部分合并得到B文件

Chr01    530   613   Gypsy
Chr01    552   646   Gypsy
Chr01    1605  1765  Gypsy
Chr01    1702  1929   Gypsy
Chr01    2276  2387    BEL
Chr02    2347  2405    BEL
Chr02    4551  4631    BEL
Chr06    4567  4639    DIRS
Chr06    4837  5063    DIRS
Chr06    4862  5038    DIRS
B文件
Chr01    530   646   Gypsy
Chr01    1605  1929  Gypsy
Chr01    2276  2387   BEL
Chr02    2347  2405   BEL
Chr02    4551  4631   BEL
Chr06    4567  4639   DIRS
Chr06    4837  5063   DIRS
大神们,求解答


论坛徽章:
6
程序设计版块每日发帖之星
日期:2016-05-11 06:20:00操作系统版块每日发帖之星
日期:2016-05-12 06:20:00每日论坛发贴之星
日期:2016-05-12 06:20:00操作系统版块每日发帖之星
日期:2016-05-14 06:20:00程序设计版块每日发帖之星
日期:2016-05-31 06:20:00每日论坛发贴之星
日期:2016-05-31 06:20:00
发表于 2018-05-23 01:37 |显示全部楼层
本帖最后由 1cpuer 于 2018-05-23 01:53 编辑

回复 1# wd_my

awk 'function p(){if(b&&c&&d&&e){print b" "c" "d" "e};b=$1;c=$2;d=$3;e=$4};!a[$1]++{p();next}{if($2>=c&&$2<=d||$3>=c&&$3<=d){c=$2>=c?c2;d=$3<=d?d3}else{p()}}END{p()}' A
Chr01 552 646 Gypsy
Chr01 1605 1929 Gypsy
Chr01 2276 2387 BEL
Chr02 2347 2405 BEL
Chr02 4551 4631 BEL
Chr06 4567 4639 DIRS
Chr06 4837 5063 DIRS

awk 'function p(){if(b""c""d""e){print b" "c" "d" "e};b=$1;c=$2;d=$3;e=$4};!a[$1]++{p();next}{if($2>=c&&$2<=d||$3>=c&&$3<=d){c=$2>=c?c2;d=$3<=d?d3};p()}' A
Chr01 552 646 Gypsy
Chr01 1605 1929 Gypsy
Chr01 1702 1929 Gypsy
Chr01 2276 2387 BEL
Chr02 2347 2405 BEL
Chr02 4551 4631 BEL
Chr06 4567 4639 DIRS
Chr06 4837 5063 DIRS


论坛徽章:
21
程序设计版块每日发帖之星
日期:2016-05-03 06:20:0015-16赛季CBA联赛之深圳
日期:2018-06-15 14:59:3715-16赛季CBA联赛之八一
日期:2018-07-03 16:56:4615-16赛季CBA联赛之八一
日期:2018-07-05 10:34:09黑曼巴
日期:2018-07-06 15:19:5015-16赛季CBA联赛之佛山
日期:2018-08-03 13:19:3315-16赛季CBA联赛之山西
日期:2018-08-07 19:46:2315-16赛季CBA联赛之广夏
日期:2018-08-08 19:31:5015-16赛季CBA联赛之青岛
日期:2018-11-26 15:21:5015-16赛季CBA联赛之青岛
日期:2018-06-08 13:45:2815-16赛季CBA联赛之同曦
日期:2018-06-04 19:42:2015-16赛季CBA联赛之山东
日期:2018-05-30 12:44:59
发表于 2018-05-23 16:58 |显示全部楼层
回复 1# wd_my


  1. cat A
  2. Chr01    530   613   Gypsy
  3. Chr01    552   646   Gypsy
  4. Chr01    1605  1765  Gypsy
  5. Chr01    1702  1929   Gypsy
  6. Chr01    2276  2387    BEL
  7. Chr02    2347  2405    BEL
  8. Chr02    4551  4631    BEL
  9. Chr06    4567  4639    DIRS
  10. Chr06    4837  5063    DIRS
  11. Chr06    4862  5038    DIRS
  12. Chr06    4864  5099    BEL

  13. awk 'function p(){if(b&&c&&d&&e){print b" "c" "d" "e>"B"};b=$1;c=$2;d=$3;e=$4};!a[$1]++{p();next}{if($2>=c&&$2<=d&&$4==e||$3>=c&&$3<=d&&$4==e){c=$2>=c?c:$2;d=$3<=d?d:$3}else{p()}}END{p()}' A

  14. cat B
  15. Chr01 530 646 Gypsy
  16. Chr01 1605 1929 Gypsy
  17. Chr01 2276 2387 BEL
  18. Chr02 2347 2405 BEL
  19. Chr02 4551 4631 BEL
  20. Chr06 4567 4639 DIRS
  21. Chr06 4837 5063 DIRS
  22. Chr06 4864 5099 BEL
复制代码
您需要登录后才可以回帖 登录 | 注册

本版积分规则 发表回复

数据风云,十年变迁
DTCC 第十届中国数据库技术大会已启航!

2019年5月8日~5月10日,由IT168旗下ITPUB企业社区平台主办的第十届中国数据库技术大会(DTCC2019),将在北京隆重召开。大会将邀请百余位行业专家,就热点技术话题进行分享,是广大数据领域从业人士的又一次年度盛会和交流平台。与SACC2018类似,本届大会将采用“3+2”模式:3天传统技术演讲+2天深度主题培训。大会不仅提供超100场的主题演讲,还会提供连续2天的深度课程培训,深化数据领域的项目落地实践方案。
DTCC2019,一场值得期待的数据技术盛会,殷切地希望您报名参与!

活动入口>>
  

北京盛拓优讯信息技术有限公司. 版权所有 16024965号-6 北京市公安局海淀分局网监中心备案编号:11010802020122
中国互联网协会会员  联系我们:huangweiwei@it168.com
感谢所有关心和支持过ChinaUnix的朋友们 转载本站内容请注明原作者名及出处

清除 Cookies - ChinaUnix - Archiver - WAP - TOP