使用AWK实现类VLOOKUP功能失败，求排查错误及正确写法

需求与文件说明 #

需要实现类VLOOKUP的匹配功能，现有两个制表符分隔文件：

file1（制表符分隔） #

chr1    10031   10031   ->      chr1    10061   10061
chr1    10037   10037   ->      chr1    10047   10047
chr1    10043   10043   ->      chr1    10053   10053
chr1    10055   10055   ->      chr1    10065   10065

file2（制表符分隔） #

#Chr    Start   End     Ref     Alt     X
chr1    10031   10031   T       C       0
chr1    10037   10037   T       C       2.601e-05 
chr1    10043   10043   T       C       1.168e-05

预期输出（制表符分隔） #

chr1    10061   10061   T       C       0
chr1    10047   10047   T       C       2.601e-05 
chr1    10053   10053   T       C       1.168e-05

用户尝试的错误脚本 #

awk 'NR==FNR { a[$2]=$2; b[$3]=$3; next } { if ($2 in a && $3 in b) print $1, a[$3], b[$3], $4, $5, $6 }' file1 file2 

错误分析 #

你的脚本存在几个核心问题：

• 数组存储逻辑错误：你把file1的$2、$3存到数组a、b，但实际需要的是用file1的$2（匹配file2的Start）作为键，存储file1中对应的目标字段（$5、$6、$7），而不是存$2、$3本身。
• 匹配逻辑偏离需求：脚本先读file1再读file2，但你的逻辑没有关联到需要输出的file1目标位置字段，完全无法实现“用file2的位点匹配file1，输出file1对应目标位点+file2的注释字段”的需求。
• 未跳过表头行：file2第一行是注释表头，没有跳过会导致表头参与匹配，产生无效输出。
• 输出字段错误：你输出的a[$3]等是重复存储的$3数值，根本不是需求中要的file1里的目标位置字段。

正确的AWK脚本 #

BEGIN {FS=OFS="\t"}
# 读取file1，用匹配键$2存储需要输出的目标位点信息
NR==FNR {
    map[$2] = $5 OFS $6 OFS $7
    next
}
# 跳过file2的表头行
/^#/ {next}
# 匹配成功则输出目标位点+file2的注释字段
$2 in map {
    print map[$2], $4, $5, $6
}

脚本说明 #

• BEGIN {FS=OFS="\t"}：指定输入输出分隔符为制表符，保证输出格式与输入一致。
• NR==FNR {...}：读取file1时，以$2（位点数值）为键，将需要输出的chr、start、end字段拼接后存入数组map。
• /^#/ {next}：跳过file2的注释表头行，避免无效匹配。
• $2 in map {...}：当file2的Start字段（$2）能匹配到map中的键时，输出map存储的目标位点信息，再追加file2的Ref、Alt、X字段。

内容的提问来源于stack exchange，提问作者ersan