一、待解决问题

    科室里的一个小伙伴打算根据A文件中的ID列，提取B文件中所有包含相应ID的行。

• A文件如下所示。tip:ID列指的是图中带红框的那列,A大小73.1MB、B大小约1GB
  

  

  image.png

• B文件是从网上下载的注释文件"GCF_000001405.38_GRCh38.p12_genomic.gff"

二、解决办法

    左思右想觉得这个处理过程还是用linux来做比较简单。

• 
  

1. 用excel手动删除A多余列只保留第二列中的ID值，保存为ref.txt

• 
  

1. 书写linux代码进行提取

#!/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用法就不赘述了，光是简书上就有很多，我直接挂简书几个链接：
  1.everyday:linux cat
  2.linux cat
  3.情景linux—不曾了解的cat用法

• while用法
  1.Linux shell之while循环
  2.Linux while 循环中使用ssh问题

• grep用法
  1.linux grep命令
  2.Linux常用指令---grep(搜索过滤)(转)
  3.Linux文件比较三剑客(awk/grep/sed)之grep

四、代码思路

cat提取整个文件内容;用|管道符号传给 while read读取，
由于window下的回车符号与Linux下的回车不一样：window下的回车到了linux下会多出^M,所以在代码中用cut -d"^"分割文件，并取第一部分作为ID。最后使用grep 搜索ID 然后>>输出到ref.gff文件去