如何比较两个文件的第一列，但得到第二个（使用Perl）

Question

我有两个文件（每个两列，按标签拆分），我想根据第一列进行比较。如果第一列的值在两个文件上都相同，我想使用第二列值创建一个新文件。另外，请考虑FILE1第一列中的ID可以重复。基本上我有：

FILE1：

TRINITY_DN10001_c0_g1_i1  TRINITY_DN10001_c0_g1_TRINITY_DN10001_c0_g1_i1_g.84091_m.84091 
TRINITY_DN100032_c0_g2_i1 TRINITY_DN100032_c0_g2_TRINITY_DN100032_c0_g2_i1_g.20078_m.20078 
TRINITY_DN100032_c0_g2_i1 TRINITY_DN100032_c0_g2_TRINITY_DN100032_c0_g2_i1_g.42263_m.42263 
..... 
TRINITY_DN99985_c0_g1_i1  TRINITY_DN99985_c0_g1_TRINITY_DN99985_c0_g1_i1_g.21199_m.21199 

FILE2：

TRINITY_DN100007_c0_g1_i1 GO:0001071,GO:0003674 
TRINITY_DN100032_c0_g2_i1 GO:0000149,GO:0001775 
..... 
TRINITY_DN99997_c0_g1_i1 GO:0000166,GO:0001882 

我需要这样的：

TRINITY_DN100032_c0_g2_TRINITY_DN100032_c0_g2_i1_g.20078_m.20078 GO:0000149,GO:0001775 
TRINITY_DN100032_c0_g2_TRINITY_DN100032_c0_g2_i1_g.42263_m.42263 GO:0000149,GO:0001775 
..... 

，我认为这可以通过组合两个哈希表来完成Perl，在某种程度上类似于to this answer。

但我对Perl很新，所以我完全不知道该怎么做。如果有人能够帮助修改以前的脚本（或以不同的方式解决这个问题），我将不胜感激。

在此先感谢！ ☺

Answer 1

这些文件有多大？它们是否足够小以适应内存？他们排序了吗？

假设其中一个文件足够小以适应内存，您可以读取该文件并将其散列 - key是第一列，value是第二列。然后，通读其他文件，检查散列是否存在，如果存在，则打印第二列（其中一个是来自散列的值）。

假设我们有$file1和$file2，那$file1足够小，我们得到的是这样的：

open my $fh, '<', $file1 or die "Can't read $file1: $!"; 
my %file1 = map { split /\t/, $_, 2 } <$fh>; # this slurps in the file, be sure you can fit it all in memory multiple times over! 
close $fh; 
open $fh, '<', $file2 or die "Can't read $file2: $!"; 
while (<$fh>) { 
    my ($k, $v) = split /\t/, $_, 2; 
    if ($file1{$k}) { 
     print join("\t", $file1{$k}, $v), "\n"; 
    } 
} 

假设相同，但允许文件1有重复：

open my $fh, '<', $file1 or die "Can't read $file1: $!"; 
my %file1; 
while (<$fh>) { 
    my ($k, $v) = split /\t/, $_, 2; 
    push @{$file1{$k}}, $v; 
} 
close $fh; 
open $fh, '<', $file2 or die "Can't read $file2: $!"; 
while (<$fh>) { 
    my ($k, $v) = split /\t/, $_, 2; 
    if ($file1{$k}) { 
     print join("\t", $_, $v), "\n" for @{$file1{$k}}; 
    } 
} 

注输出将具有来自file1的重复键始终与file1的顺序相同。