一、待解決問題

    科室里的一個(gè)小伙伴打算根據(jù)A文件中的ID列，提取B文件中所有包含相應(yīng)ID的行。

• A文件如下所示。tip:ID列指的是圖中帶紅框的那列,A大小73.1MB、B大小約1GB
  
  image.png
• B文件是從網(wǎng)上下載的注釋文件"GCF_000001405.38_GRCh38.p12_genomic.gff"

二、解決辦法

    左思右想覺得這個(gè)處理過程還是用linux來做比較簡(jiǎn)單。

• 1. 用excel手動(dòng)刪除A多余列只保留第二列中的ID值，保存為ref.txt
• 2. 書寫linux代碼進(jìn)行提取

#!/bin/bash

cat -A ref.txt | while read id;
do
    real_id=`echo $id| cut -d"^" -f1`
    grep $real_id GCF_000001405.38_GRCh38.p12_genomic.gff >>ref.gff
done

三、解析

• cat用法就不贅述了，光是簡(jiǎn)書上就有很多，我直接掛簡(jiǎn)書幾個(gè)鏈接：
  1.everyday:linux cat
  2.linux cat
  3.情景l(fā)inux—不曾了解的cat用法
• while用法
  1.Linux shell之while循環(huán)
  2.Linux while 循環(huán)中使用ssh問題
• grep用法
  1.linux grep命令
  2.Linux常用指令---grep(搜索過濾)(轉(zhuǎn))
  3.Linux文件比較三劍客(awk/grep/sed)之grep

四、代碼思路

cat提取整個(gè)文件內(nèi)容;用|管道符號(hào)傳給 while read讀取，
由于window下的回車符號(hào)與Linux下的回車不一樣：window下的回車到了linux下會(huì)多出^M,所以在代碼中用cut -d"^"分割文件，并取第一部分作為ID。最后使用grep 搜索ID 然后>>輸出到ref.gff文件去

五、簡(jiǎn)便方法：

grep -f -w   file1 file2

file1是我們的id,file2是我們待檢索的文件。上方代碼功能是直接提取file2中包含Id的行。