如何检查列的值是否位于其他文件中两列的值之间并从 Unix 中的列中打印相应的值？

我有两个文件要比较。我找到了如何比较列并根据条件进行打印。我手头的问题是，我必须检查 file1 中的 column[2] 的值是否位于 file2 中定义为两列范围 col [2] col[3] 的值之间。如果这是真的，那么我应该在 file1 中打印文件 2 的列 [4]。

file1:

scaffold1_size11    12
scaffold2_size22    26
scaffold3_size33    67

file2:

scaffold1_size11    1   10  Os01
scaffold1_size11    12  20  Os08
scaffold1_size11    29  59  Os07
scaffold2_size22    17  24  Os09
scaffold2_size22    27  38  Os09
scaffold2_size22    39  60  Os10
scaffold2_size22    67  78  Os10
scaffold3_size33    15  27  Os03
scaffold3_size33    29  62  Os08
scaffold3_size33    64  78  Os02
scaffold3_size33    80  98  Os01

期望的输出：

scaffold1_size11    12  Os08
scaffold2_size22    26
scaffold3_size33    67  Os02

这应该怎么做呢？

这是一个可以完成您想要的操作的 shell 脚本。它使用 awk 将 file2 转换为另一个 awk 脚本 (tmp.awk)，该脚本又过滤 file1。

awk '{ a[$1] = a[$1] "$2 >= " $2 " && $2 <= " $3 " ? \"" $4 "\" : "; } END { for (i in a) print "$1 == \"" i "\" { print $0 \"\\t\" (" a[i] "\"\"); }"; }' file2 > tmp.awk
awk -f tmp.awk file1

Notes:

• file1 中的重复行会导致输出中出现重复行。如有必要，将结果通过管道传输至uniq or sort -u.
• 此方法基于以下假设：通常 file2 相对较小（与可能较大的 file1 相比）；如果不是，那么这种方法的性能可能会很差。