从文本文件中提取部分匹配另一个文件中列出的关键字的所有行

Question

我用尽了在线搜索试图找出如何做到这一点。

我有制表符分隔的文件 searchfile.txt，其中包含两列和 >200 行。此处示例：

A(H1N1)/SWINE/COTES-DARMOR/388/2009 X?  4.28144245
A(H1N2)/SWINE/SCOTLAND/410440/1994 X?   7.25878836
A(H1)/SWINE/ENGLAND/117316/1986 X?  3.305392038
A(H1)/SWINE/ENGLAND/438207/1994 X?  7.66078717

我有另一个文件 keywords.txt，其中一些关键字与 searchfile.txt 中的 ID 部分匹配：

ENGLAND/117316    
DARMOR/388   
438207

我想从 searchfile.txt 中提取包含 keywords.txt

中任何关键字的所有行

使用我尝试过的其他类似问题的解决方案：

grep -F -f keywords.txt searchfile.txt > selected.txt 

grep -f keywords.txt searchfile.txt

awk 'FNR==NR {a[[=12=]];next} ($NF in a)' keywords.txt searchfile.txt > result.txt

我也通过这个 python 脚本完成了部分工作：

infile = r"/path/to/searchfile.txt"

results = []
to_keep = ["ENGLAND/117316",
            "DARMOR/388",
            "438207"]

with open(infile) as f:
    f = f.readlines()

for line in f:
    for phrase in to_keep:
        if phrase in line:
            results.append(line)
            break

print(results)

它在终端 window 中输出：

[
    'A(H1N1)/SWINE/COTES-DARMOR/388/2009 X?\t4.28144245\n',   
    'A(H1)/SWINE/ENGLAND/117316/1986 X?\t3.305392038\n', 
    'A(H1)/SWINE/ENGLAND/438207/1994 X?\t7.66078717\n'
]

有没有办法

a) 修改此脚本以从 keywords.txt 之类的文件中读取并将行输出到另一个文件？（我的 python 技能达不到）

或

b) 使用 grep、awk、sed... 来做到这一点

我认为问题在于我的关键字不是完整的独立词，必须部分匹配 searchfile.txt 中的内容。

感谢您的帮助！谢谢。

Answer 1

这在 python 中相当简单。假设您有 keywords.txt 和 input.txt 文件并希望输出到 output.txt:

# 1
with open('keywords.txt', 'r') as k:
    keywords = k.read().splitlines()
    
#2
with open('input.txt') as f, open('output.txt', 'w') as o:
    for line in f:
        if any(key in line for key in keywords):
            o.writelines(line)

这会读取关键字文件，并将其中的每一行存储在列表中 (#1)。然后我们打开我们的输入和输出文本文件，循环遍历输入文件 line-by-line 并且如果我们在 (#2).

行中找到任何关键字则写入输出文件

从文本文件中提取部分匹配另一个文件中列出的关键字的所有行

Extract all lines from a text file that partial match keywords listed in another file

python

awk

extract

lines

partial