如何查找包含另一个文件中任意字符串的行？

Question

我有两个CSV文件。文件A有多列，文件B只有一列。 例如： 文件A：

chr1 100000 100022 A C GeneX
chr2 200000 200033 X GeneY
chr3 300000 300055 G A GeneZ

文件 B：

GeneY
GeneZ

我希望我的输出是：

chr2 200000 200033 X GeneY
chr3 300000 300055 G A GeneZ

我已经尝试使用grep（它崩溃了）和其他方法。
我确信这一定有一个非常简单的答案，只是我看不到！

- Chris Dias

---

如果grep崩溃了，你在哪个平台上？你正在处理多大的文件？你说当你尝试使用grep -f FileB FileA时出现了“内存不足”错误。在这种情况下，最好的选择可能是将FileB分成小块，以便可以在没有grep崩溃的情况下进行处理。显然的缺点是，与原始的FileA相比，结果集中的行将是无序的。如果FileB中的两个单词可以出现在同一行中，则您还可能遇到重复的情况。 - Jonathan Leffler

谢谢。我一直无法让sed工作。 - Chris Dias

不好意思，请您确认一下您正在使用的平台以及两个文件的大小（行数和字节数），这对我们进行编程工作非常有帮助。 - Jonathan Leffler

我一直在尝试在Bash终端中使用Unix。文件A只有1500行的1列。文件B是1.2M，有5800行。 - Chris Dias

是的，它们不是很大，这就是为什么我正在努力。我在 Darwin Kernel 版本 13.4.0 上。 - Chris Dias

Answer 1

使用 grep -f。

grep -f FileB FileA

- Amit

---

谢谢，Amit。不幸的是，当我尝试在大型数据集上运行grep时，会收到内存不足的错误消息。 - Chris Dias

@ChrisDias - 你可以尝试在设置区域环境变量后使用 export LC_ALL=C 命令。来源 - https://dev59.com/t2ox5IYBdhLWcg3wpV3F#11777835 - Amit

Answer 2

以下是使用 awk 的方法：

awk 'FNR==NR {a[$0];next} {for (i in a) if (i~$1) print i}' FileA FileB
chr2 200000 200033 X GeneY
chr3 300000 300055 G A GeneZ

或者像这样：

awk 'FNR==NR {a[$0];next} ($NF in a)' FileB FileA
chr2 200000 200033 X GeneY
chr3 300000 300055 G A GeneZ

- Jotne

---

谢谢Jotne。我尝试了这个，但是输出为空。我的文件既有.csv格式的，也有制表符分隔的.txt格式的；但两者都不起作用。 - Chris Dias

@ChrisDias 在您提供的数据上运行良好。那么，您的数据格式可能有所不同。 - Jotne