awk实现vlookup匹配TSV文件全显示NA问题排查与解决

核心问题 #

匹配全失败的根源是脚本中的转义字符错误：原脚本里的" "是HTML转义后的双引号和制表符，awk无法识别为真正的制表符，导致字段分割逻辑完全错误，无法正确提取ID作为数组键，自然匹配不到对应值。

脚本1的异常输出RtGene00NAN，就是因为FS设置错误后，awk没有正确分割ID字段，导致$1被截断，拼接时出现畸形内容。

修正后的脚本 #

脚本1（仅输出匹配成功的行，符合预期） #

awk 'BEGIN {FS=OFS="\t"} FNR==NR {a[$1]=$2; next} $1 in a {print $1, a[$1]}' file1.tsv file2.tsv

脚本2（保留未匹配项的NA输出） #

如果需要保留未匹配的ID并输出#NA，可使用修正后的版本：

# filename1.awk
BEGIN{FS=OFS="\t"} 
FNR==NR{
  a[$1]=$2
  next
}
{ if ($1 in a) {print $1, a[$1]} else {print $1, "#NA"} }

执行命令：

awk -f filename1.awk file1.tsv file2.tsv

额外注意事项 #

1. 重复ID处理：file1中存在重复ID（如RtGene0008出现两次），上述脚本会保留最后一次出现的匹配值。如果需要保留所有匹配值，可修改数组存储逻辑，比如用a[$1] = a[$1] OFS $2拼接所有值。
2. 分隔符验证：如果文件实际是空格分隔而非制表符，可将FS设为[ \t]+（匹配任意数量的空格或制表符），确保字段分割正确。可通过cat -A file1.tsv查看分隔符：制表符会显示为^I，空格则显示为普通空格。

内容的提问来源于stack exchange，提问作者nivitian