Saya memiliki beberapa file dengan header yang sama dan vektor yang berbeda di bawahnya. Saya perlu menyatukan semuanya tetapi saya hanya ingin header file pertama yang akan digabungkan dan saya tidak ingin header lain digabungkan karena semuanya sama.

misalnya: file1.txt

<header>INFO=<ID=DP,Number=1,Type=Integer>
<header>INFO=<ID=DP4,Number=4,Type=Integer>
A
B 
C

file2.txt

<header>INFO=<ID=DP,Number=1,Type=Integer>
<header>INFO=<ID=DP4,Number=4,Type=Integer>
D
E 
F

Saya perlu hasilnya

<header>INFO=<ID=DP,Number=1,Type=Integer>
<header>INFO=<ID=DP4,Number=4,Type=Integer>
A
B
C
D
E 
F

Saya bisa menulis skrip dalam R tetapi saya membutuhkannya di shell?

Jika Anda tahu bagaimana melakukannya di R, maka tentu saja melakukannya dalam R. Dengan alat unix klasik, ini paling alami dilakukan dalam awk.

awk '
    FNR==1 && NR!=1 { while (/^<header>/) getline; }
    1 {print}
' file*.txt >all.txt

Baris pertama skrip awk cocok dengan baris pertama file ( FNR==1) kecuali jika juga baris pertama di semua file ( NR==1). Ketika kondisi ini terpenuhi, ekspresi while (/^<header>/) getline;dieksekusi, yang menyebabkan awk untuk terus membaca baris lain (melewatkan yang sekarang) selama yang saat ini cocok dengan regexp ^<header>. Baris kedua skrip awk mencetak semuanya kecuali untuk baris yang sebelumnya dilewati.

Solusi lain, mirip dengan " cat+grep" dari atas, menggunakan taildan head:

1. Tulis header file pertama ke dalam output:

   head -2 file1.txt > all.txt

   - head -2mendapat 2 baris pertama file.

2. Tambahkan konten semua file:

   tail -n +3 -q file*.txt >> all.txt

   - -n +3membuat tailgaris-garis cetak dari 3 ke ujung, -qmemberi tahu untuk tidak mencetak header dengan nama file (baca man), >>menambah file, tidak menimpa sebagai >.

Dan tentu saja Anda dapat menempatkan kedua perintah dalam satu baris:

head -2 file1.txt > all.txt; tail -n +3 -q file*.txt >> all.txt

atau alih-alih ;menempatkan di &&antara mereka untuk pemeriksaan sukses.

Coba lakukan ini:

$ cat file1.txt; grep -v "^<header" file2.txt
<header>INFO=<ID=DP,Number=1,Type=Integer>
<header>INFO=<ID=DP4,Number=4,Type=Integer>
A
B 
C
D
E 
F

CATATAN

• yang -vberarti bendera untuk membalikkan pertandingan grep
• ^dalam REGEX , berarti awal dari string
• jika Anda memiliki banyak file, Anda dapat melakukannya

:

array=( files*.txt )
{ cat ${array[@]:0:1}; grep -v "^<header" ${array[@]:1}; } > new_file.txt

Ini adalah teknik mengiris array bash .

The tailperintah (pada GNU, setidaknya) memiliki opsi untuk melewatkan sejumlah tertentu garis awal. Untuk mencetak dari baris kedua dan seterusnya, yaitu melewati header satu baris, lakukan:tail -n+2 myfile

Jadi, untuk menjaga header dua baris dari file pertama tetapi bukan yang kedua, di Bash:

cat file1.txt <(tail -n+3 file2.txt) > combined.txt

Atau, untuk banyak file:

head -n1 file1.txt > combined.txt
for fname in *.txt
do
    tail -n+3 $fname >> combined.txt
done

Jika string tertentu diketahui ada di semua baris header tetapi tidak pernah di sisa file input, grep -vadalah pendekatan yang lebih sederhana, seperti yang ditunjukkan sputnik.

Lebih pendek (tidak harus lebih cepat) dengan sed:

sed -e '3,${/^<header>/d' -e '}' file*.txt > all.txt

Ini akan menghapus semua baris yang dimulai dengan <header>...mulai dari baris 3, sehingga header pertama dipertahankan dan header lainnya dihapus. Jika ada jumlah baris yang berbeda di header, sesuaikan perintah (mis. Untuk penggunaan header 6-baris 7alih-alih 3).
Jika jumlah baris di header tidak diketahui, Anda dapat mencoba seperti ini:

sed '1{
: again
n
/^<header>/b again
}
/^<header>/d
' file*.txt > all.txt

array = (* .txt); head -1 $ {array [0]}> all.txt; tail -n +2 -q $ {array [@]: 0} >> all.txt

Dengan asumsi Anda menggunakan folder dengan file .txt dengan header yang sama yang perlu digabungkan / digabungkan, kode ini akan menggabungkan semua file txt menjadi all.txt hanya dengan satu header. baris pertama (baris dipisahkan oleh titik koma) mengumpulkan semua file teks untuk digabungkan, baris kedua menampilkan header dari file txt pertama ke all.txt , dan baris terakhir menggabungkan semua file teks yang dikumpulkan tanpa header (dengan memulai Rangkaian dari baris 2 dan seterusnya) dan menambahkan ke all.txt .