基于匹配字段用awk合并文件异常：无法打印全部数组赋值

需求说明 #

需要基于匹配字段合并两个文件：

• 匹配规则：File 1的第2个字段（Chr）匹配File 2的第1个字段（Geneid）
• 输出要求：结果包含File 2的第1、2、3字段，加上File 1的第3、4字段（Length和DP_xxx）

文件示例 #

File 1 #

Geneid  Chr Length  DP_D_9_8_21_B_contigs_sorted.bam
c_1_1   c_161045_1  3489    1178
c_1_2   c_161045_2  216 75
c_1_3   c_161045_3  1335    425
c_1_4   c_161045_4  201 106

File 2 #

Geneid  KO_ID   KO_function
c_161045_3  NA  NA
c_161045_4  K07733  prophage regulatory protein
c_161045_6  NA  NA
c_161045_7  NA  NA
c_161045_8  NA  NA

原脚本问题分析 #

你编写的脚本存在3个核心问题：

1. 数组存储逻辑错误：
   原脚本用a[$1]=$3和a[$2]=$4存储数据，但未使用匹配键（File1的第2字段）作为数组主键，反而用了File1的第1字段，导致后续无法通过File2的第1字段正确关联对应数据；同时同一数组的不同键会互相覆盖，无法同时保存Length和DP值。
2. 语法错误：
   FNR>1($1 in a)缺少逻辑运算符&&，正确写法应为FNR>1 && ($1 in a)。语法错误会导致脚本执行逻辑异常，出现“合并中途停止”的问题。
3. 输出逻辑错误：
   输出时调用a[$1]和a[$2]，但实际应该根据File2的第1字段（匹配键）去获取File1对应的Length和DP值，而非错误的键值。

修复后的脚本 #

下面是两种可行的修复方案：

方案1：使用单个数组拼接值 #

awk -F '\t' 'BEGIN {OFS="\t"} 
NR==FNR {a[$2]=$3 OFS $4; next}  # 用File1的第2字段作为键，存储第3、4字段
FNR==1 {print "Gene_ID", "KO_ID", "KO_Function", "Length", "Coverage"}  # 输出自定义表头
FNR>1 && ($1 in a) {print $1, $2, $3, a[$1]}' File1 File2 > ResultFile

方案2：使用两个独立数组分别存储 #

awk -F '\t' 'BEGIN {OFS="\t"} 
NR==FNR {len[$2]=$3; dp[$2]=$4; next}  # 用两个数组分别存Length和DP值
FNR==1 {print "Gene_ID", "KO_ID", "KO_Function", "Length", "Coverage"}
FNR>1 && ($1 in len) {print $1, $2, $3, len[$1], dp[$1]}' File1 File2 > ResultFile

正确输出结果 #

执行修复后的脚本，ResultFile内容如下：

Gene_ID KO_ID   KO_Function Length  Coverage
c_161045_3  NA  NA  1335    425
c_161045_4  K07733  prophage regulatory protein 201 106

内容的提问来源于stack exchange，提问作者Linton