事情是这个样子的：
今天，我像往常一样提取基因组的样本，我有一堆样本的ID，需要从所有的基因型的文件中提取出来。
以前我都是使用R语言，将基因型数据读进去，将所要提取的ID文件读进去，然后，我就有很多方法提取了 ，比如用match匹配位置，然后提取写出。比如用merge或者left_join提取写出。比如用%in%提取写出。
我有很多方法处理它，但是我今天想用
grep函数，因为我知道grep -f file1 file2可以根据file1的内容提取筛选file2.
为什么我今天不用R语言处理了呢？
因为今天的基因型数据有点大，有90G，这个数据读到R中只为了筛选其中的几十行数据，不地道呀，太不地道了，虽然我们的服务器内存大，但是不是这样玩的，同事会投诉我滥用计算机资源的，我没有挖矿，为何用这么多资源？还不是编程水平差吗！想到这里，我流下了不学无术的眼泪。
于是，我就开始准备文件，需要提取的样本编号是这样的：
[dengfei@localhost test]$ cat id1.txt
Sample_ID
202797280021_R04C03
202817020006_R03C01
202817020006_R10C03
202817020009_R02C02
202817020009_R20C01
202817170002_R07C02
202817170002_R11C01
202817170002_R11C03
202817170002_R13C03
原始的基因型数据，第一列是这样的，剩余的列都是进行数据，有1000多万位点。
说时迟那时快，我直接写下代码，是时候展示真正的实力了：
[dengfei@localhost test]$ grep -f id1.txt total.txt >re_id1.txt
[dengfei@localhost test]$ wc -l re_id1.txt
0
什么都没有！这不科学，我应该能提取出来的，应该都在文件中的，于是我用其中的一个基因型ID测试：
[dengfei@localhost test]$ grep 202817020006_R10C03 total.txt
202817020006_R10C03
匹配出来了！
单个样本可以匹配出来，多个样本无法匹配出来，这是什么原因，我不仅陷入了沉思……
于是我开始了baidu，bing，google，查遍全网，也没有找到原因。
没有找到原因，我就模拟一个数据，自己测试一下吧，看看grep -f file1 file2是不是如我理解的那样：
(base) [dfei@bogon ~]$ cat file1
2
4
e
(base) [dfei@bogon ~]$ cat file2
a1
b2
c3
d4
e5
如上所述，我模拟了两个文件，一个是另一个的子集，匹配结果如下：
(base) [dfei@bogon ~]$ grep -f file1 file2
b2
d4
e5
可以看到，例子是没问题的，grep -f用起来是666的。为何我实际分析时会报错呢？我继续全网搜索。
我看了grep的参数，有一个-F的参数，可以忽略正则表达式字符，直接用原始字符进行匹配，类似R中的fixed =T，我好像发现了新大陆，迫不及待试了一下：
[dengfei@localhost test]$ grep -F -f id1.txt total.txt >re_id1.txt
[dengfei@localhost test]$ wc -l re_id1.txt
0
没有变化。
……漫长的分割线……
问题解决
原因是：windows和Linux换行符不一样所致。
cat -A name.txt
Sample_ID^M$
202797280021_R04C03^M$
202817020006_R03C01^M$
202817020006_R10C03^M$
202817020009_R02C02^M$
202817020009_R20C01^M$
202817170002_R07C02^M$
202817170002_R11C01^M$
202817170002_R11C03^M$
用dos2unix处理一下，就搞定了。
dos2unix name.txt
