使用grep進行匹配時，搜索字符串中的空格。

Question

我有一個看起來像這樣的文件。

10gs+VWW+A+210 10gs-ASN-A-206 0.616667 0.094872 
10gs+VWW+A+210 10gs-GLU-A-31- 0.363077 0.151282 
10gs+VWW+A+210 10gs-GLY-A-207 0.602564 0.060256 
10gs+VWW+A+210 10gs-LEU-A-132 0.378151 0.288462 
10gs+VWW+A+210 10gs-LEU-A-60- 0.376812 0.133333 
10gs+VWW+A+210 11ba-GLU-A-2-z 0.333333 0.065385 
10gs+VWW+A+210 11ba-SER-A-15- 0.400000 0.053846 
10gs+VWW+A+210 11ba-GLU-A-2-z 0.333333 0.065385 
10gs+VWW+A+210 11ba-SER-A-15- 0.400000 0.053846 
17gs+VWW+A+210 11ba-SER-A-77- 0.415789 0.101282 
15gs+VWW+A+210 11ba-VAL-A-47- 0.413793 0.215385 

我想刷出匹配模式[包含其中的空白]的行。假設模式是：'10gs + VWW + A + 210 11ba-'

當我給出這樣的模式作爲grep的參數時，我得到了正確的匹配行。然而，當我想要從一個文件中匹配多個模式（如pattern.txt）時，就會出現問題，該文件包含每行上所有這些模式的列表。

pattern.txt看起來是這樣的：

10GS + VWW + A + 210個11ba-

10GS + VWW + A + 210 10gs-

當我使用這樣的shell腳本：

for i in `cat pattern.txt`; do grep -e "^$i" bigfile.txt ; done 

命令分別與分別和11ba相匹配。我想匹配整個事物（用空格隔開），即10gs + VWW + A + 210 11ba匹配，而不是分開的兩個字符串。

如何修改現有的shell腳本來克服搜索字符串中的空格字符？

此外，由於我匹配這些字符串集的文件很大，大約爲50GB。 因此，內存高效的解決方案是值得歡迎的。 謝謝。

Answer 1

與其他符號

假設#替換空間永遠不會發生在圖案

for i in $(cat pattern.txt | tr ' ' '#') ; do 
      j=$(echo "$i" | tr '#' ' ') 
      grep -e "^$j" bigfile.txt 
done 

定時對我的測試文件

real 0m20.739s 
user 0m11.773s 
sys  0m8.345s 

使用-f標誌的grep

0123在相同的測試文件

real 0m2.190s 
user 0m2.163s 
sys  0m0.026s 

換句話說

grep -f pattern.txt bigfile.txt 

定時，的grep -f性能似乎是更好地與大圖案文件10倍左右。

Answer 2

請問下面的命令和相應的結果適合你嗎？這些模式必須通過管道分開，以使它們中的任何一個匹配。

命令：

egrep '10gs\+VWW\+A\+210 11ba-|10gs\+VWW\+A\+210 10gs-' bigfile.txt 

結果：

10gs+VWW+A+210 10gs-ASN-A-206 0.616667 0.094872 
10gs+VWW+A+210 10gs-GLU-A-31- 0.363077 0.151282 
10gs+VWW+A+210 10gs-GLY-A-207 0.602564 0.060256 
10gs+VWW+A+210 10gs-LEU-A-132 0.378151 0.288462 
10gs+VWW+A+210 10gs-LEU-A-60- 0.376812 0.133333 
10gs+VWW+A+210 11ba-GLU-A-2-z 0.333333 0.065385 
10gs+VWW+A+210 11ba-SER-A-15- 0.400000 0.053846 
10gs+VWW+A+210 11ba-GLU-A-2-z 0.333333 0.065385 
10gs+VWW+A+210 11ba-SER-A-15- 0.400000 0.053846