regex - Grep 基于一行的前 12 个字符，但输出整行

Question

我有一个文件（patterns.txt），其中包含一个以换行符分隔的模式列表，例如：

AAAA........
....CCCC....
........YYYY
ATCC

我正在搜索的文件（table.txt）包含如下所示（大小为 120gb）：

ZZZZAAAAGTGT    0   1   12
AAAAGTGTAAYY    0   9   1
GGGGTTTTCCCC    1   0   0
HHHHHHHHYYYY    1   8   0
AAATCCCHHHHH    0   0   1

我正在使用以下 grep 命令：

grep -f patterns.txt table.txt

这将返回我的示例中的所有行。但是，如果我可以强制 grep 只查看前 12 个字符，则不会返回第一行和第三行（这是理想的）。

这个 grep 是一个更大程序的一部分。这意味着模式必须来自文件。但如果需要，我可以更改文件的内容。

我正在考虑用字符类 [ACGTHY] 替换所有点。这意味着模式AAAA........将变为：

AAAA[ACGTHY][ACGTHY][ACGTHY][ACGTHY][ACGTHY][ACGTHY][ACGTHY][ACGTHY]

这应该提供所需的结果，但它似乎很慢。有没有更好的方法来做到这一点？

编辑：我也在考虑用 \S 替换点。

score 2 · Accepted Answer

你需要一些更强大的东西。尝试使用awk：

awk 'FNR==NR { a[$1]++; next } { for (i in a) if ($1 ~ i) print }' patterns table

结果：

AAAAGTGTAAYY    0   9   1
HHHHHHHHYYYY    1   8   0
AAATCCCHHHHH    0   0   1

score 1 · Accepted Answer

你能修改patterns.txt吗？

在这种情况下，^在每行之前添加一个就可以了。只有当它们开始一行时，这才会匹配您的模式。

2 回答 2