awk或perl怎么提取在某一动态范围内的文本信息？

xunong

如题，

假如文件A是这样：                       文件B:
chr1   223     367                       chr1   234     257     aa
chr1   455     772                       chr1   450     458     bb
chr1   8889   10022                   chr2   12       23       cc
chr2   11       666                      chr3   2301   2323    dd
chr2   769     1231                     ............
chr3   1765   2319
..........

现在想将B文件中两个数字的范围都包含在A文件中的那行提取出来，并且第一列标识符要对应，chr1在A文件里chr1的数字范围内找，chr2找chr2的，

上面举例中只有chr1   234     257     aa  可以被提取出来
                    chr2   12       23      cc

跨越了范围就不算，像B文件中第二行 450     458，就不算在A文件455     772的范围内

求大神支招！

liion631818

1.         awk 'NR==FNR{
   
2.                         arr1[$1]++;
   
3.                         arr2[$1","arr1[$1]",min"]=$2;
   
4.                         arr2[$1","arr1[$1]",max"]=$3;
   
5.                         next;
   
6.         }
   
7.         ($1 in arr1){
   
8. 
   
9.                 for(i=1; i<=arr1[$1]; i++) {
   
10.                         if(($2 >= arr2[$1","i",min"] && $2 <= arr2[$1","i",max"]) && \
    
11.                                         ($3 >= arr2[$1","i",min"] && $3 <= arr2[$1","i",max"]) \
    
12.                                 )
    
13.                                 print;
    
14.                 }
    
15.         }
    
16.         END{
    
17.                        
    
18.         }' A.txt B.txt

复制代码

xunong

谢谢！！回复 2# liion631818


   

reb00t

1. py练习
   
2. 
   
3. #!/usr/bin/env  python
   
4. 
   
5. 
   
6. d1={}
   
7. with open('11') as f:
   
8.         for lines in f:
   
9.                 l=lines.strip().split()
   
10.                 d1.setdefault(l[0],[]).append(l[1:])
    
11. 
    
12. 
    
13. with open('12') as f:
    
14.         for lines in f:
    
15.                 l=lines.strip().split()
    
16.                 for k,v in d1.items():
    
17.                         for n in v:
    
18.                                 if (k==l[0]) and (l[1]>n[0]) and (l[2]<n[1]):
    
19.                                         print lines,
    
20. 
    
21. 结果：
    
22. chr1 234 257 aa
    
23. chr2 12 23 cc

复制代码

zxy877298415

1. awk 'FNR==NR{a[$1]=a[$1]?a[$1]"#"$0:$0;b[$1]++;next}{split(a[$1],c,"#");for(i=1;i<=b[$1];i++){split(c[i],d," ");
   
2. > if(($1==d[1])&&($2<d[2])&&($3>d[3])) {print d[1]"\t"d[2]"\t"d[3]"\t"d[4]}}}' file2 file1
   
3. chr1    234     257     aa
   
4. chr2    12      23      cc

复制代码

回复 1# xunong


   

Buring__

回复 1# xunong

1. awk 'NR==FNR{a[NR]=$1;b[NR]=$2;c[NR]=$0;d[NR]=$3;next}{for(i in a)if(a[i]==$1&&b[i]>$2&&d[i]<$3) print c[i]}' file2 file1

复制代码

Buring__

哈哈哈哈哈， 我写的好蠢

songyc_2015

1. awk 'FNR==NR{a[$0]=$0}FNR!=NR{for(s in a){split(s,b," ");if($1==b[1]&&$2>=b[2]&&$3<=b[3]){print;next}}}' A B

复制代码