数据差异的筛选问题

newfinder

各位大侠，小弟现想处理一个差异筛选的问题，想请大家帮帮忙，看怎么处理

有两个文本data1和data2
data1的内容如下：
name1 range1:1-4 4
name1 range1:7-11 5
name2 range1:13-16 4
name2 range1:20-25 6
name2 range2:3-4 2
name1 range2:10-15 6
name1 range2:18-23 6
name2 range3:5-9 5
name1 range3:11-15 5
name1 range3:18-22 5
…………

data2的内容如下：
name1 range1:1-3 3
name1 ragne1:4-6 3
name2 range1:17-19 3
name1 range1:21-24 4
name2 range1:26-28 3
name1 range2:4-6 3
name2 range2:8-9 2
name1 range2:12-16 5
name2 range3:3-6 4
name1 range3:10-12 3
…………

想根据第二列的数据输出这两个数据集的共同区域及差异区域。
共同区域定义的标准为：只要有一个数字重叠就为一个共同区域，如1-2、2-3就为一个共同区域
差异区域定义的标准为：没有一个数字重叠

按照这个标准来做的话，上面的这两个数据集的结果应该为：
data1_diff:
name1 range1:7-11 5
name2 range1:13-16 4
name1 range2:18-23 6
naem1 range3:18-22 5

data2_diff:
name2 range1:17-19 3
name2 range1:26-28 3
name2 range2:8-9 2

两个数据集共同的区域为：
data_comm:
name1 range1:1-4,1-3,4-6 4,3,3
name2,name1 range1:20-25,21-24 6,4
name2,name1 range2:3-4,4-6 2,3
name1 range2:10-15,12-16 6,5
name2 range3:5-9,3-6 5,4
name1 range3:11-15,10-12 5,3

跪请帮忙

Kasiotao

回复 1# newfinder
写的自己都看不下去了，效率不高，至少O(n^2)，data_comm输出好复杂。。。懒得想了，坐等大神

1. awk -vc=0 '{if(NR==FNR)b[$0]=1;elseb[$0]=0;c++;state[$0]+=c;if(NR>1){split($0,n,/[:\-\ ]/);for(i in state){split(i,m,/[:\-\ ]/);if(m[2]==n[2]&&state[i]<state[$0]){if(!(m[3]>n[4]||m[4]<n[3])){state[i]=0;state[$0]=0}}}}}END{print "data1_diff:";for(i in state){if(state[i]&&b[i])print i;}print "data2_diff:";for(i in state){if(state[i]&&!b[i])print i;}print "data_comm:";for(i in state)if(!state[i])print i;}' data1 data2
   

复制代码

结果：

1. data1_diff:
   
2. name1 range1:7-11 5
   
3. name1 range3:18-22 5
   
4. name2 range1:13-16 4
   
5. name1 range2:18-23 6
   
6. data2_diff:
   
7. name2 range1:26-28 3
   
8. name2 range2:8-9 2
   
9. name2 range1:17-19 3
   
10. data_comm:
    
11. name1 range1:21-24 4
    
12. name1 range1:4-6 3
    
13. name1 range3:11-15 5
    
14. name2 range1:20-25 6
    
15. name1 range2:4-6 3
    
16. name1 range1:1-3 3
    
17. name2 range2:3-4 2
    
18. name2 range3:3-6 4
    
19. name1 range2:12-16 5
    
20. name1 range2:10-15 6
    
21. name1 range1:1-4 4
    
22. name2 range3:5-9 5
    
23. name1 range3:10-12 3
    

复制代码

yestreenstars

你不是在perl版发过了吗？

Herowinter

回复 3# yestreenstars

我去看了下perl版的原贴,好像需求描述和这不大一样,
有点晕了,不会写...
   

Herowinter

回复 1# newfinder

需求终于看懂了,这个打印格式实在是....
name2,name1 range1:20-25,21-24 6,4
name2,name1 range2:3-4,4-6 2,3

yestreenstars

回复 5# Herowinter

加油，你能行的，我最近不爱动脑了~
   

Herowinter

@newfinder@Kasiotao
2楼这种打印格式好像可以这样.

1. awk -F'[ :-]' '{for(i=$3;i<=$4;i++)count[$2" "i]++;a[$0]=FILENAME} END{for(i in a){split(i,b,"[ :-]");k=0;for(j=b[3];j<=b[4];j++)if(count[b[2]" "j]>1){k=1;break};if(k)print i|"sort -k1,2>data_comm";else print i|"sort -k1,2>"a[i]"_diff"}}' data1 data2
   
2. 
   
3. cat data1_diff
   
4. name1 range1:7-11 5
   
5. name1 range2:18-23 6
   
6. name1 range3:18-22 5
   
7. name2 range1:13-16 4
   
8. cat data2_diff
   
9. name2 range1:17-19 3
   
10. name2 range1:26-28 3
    
11. name2 range2:8-9 2
    
12. cat data_comm
    
13. name1 range1:1-3 3
    
14. name1 range1:1-4 4
    
15. name1 range1:21-24 4
    
16. name1 range1:4-6 3
    
17. name1 range2:10-15 6
    
18. name1 range2:12-16 5
    
19. name1 range2:4-6 3
    
20. name1 range3:10-12 3
    
21. name1 range3:11-15 5
    
22. name2 range1:20-25 6
    
23. name2 range2:3-4 2
    
24. name2 range3:3-6 4
    
25. name2 range3:5-9 5

复制代码

newfinder

回复 3# yestreenstars
恩，是的，大侠，因为最近两个都在接触一点，所以想看看在shell下这个怎么用。结果被发现了……呵呵{:2_166:}

   

newfinder

回复 2# Kasiotao
恩恩，多谢了，辛苦了，我也知道自己要求有点过分……sorry啦，不过大侠还是给出了……

   

newfinder

回复 7# Herowinter
多谢大侠了，我的格式要求估计真的不好，我可以后期再改，多谢了！！！