如何修改AWK脚本仅为重复列值添加索引？

问题分析 #

你的需求是仅为第二列的重复值添加递增索引，唯一值保持原样，但原脚本会给所有值加上_1后缀——原因是不管第二列是否重复，count[$2]自增后都会强制拼接后缀，没有判断该值的总出现次数。

解决方案 #

需要先统计第二列每个值的总出现次数，再根据次数决定是否添加索引。以下是修正后的AWK脚本：

脚本实现 #

# 第一遍扫描文件，统计第二列每个值的出现次数
NR == FNR {
    freq[$2]++
    next
}
# 第二遍处理文件，根据频率决定输出格式
{
    if (freq[$2] > 1) {
        # 重复值添加递增索引
        print $1, $2 "_" ++count[$2]
    } else {
        # 唯一值直接输出原内容
        print $1, $2
    }
}

使用方法 #

假设你的输入文件名为input.txt，执行命令：

awk -f fix_suffix.awk input.txt input.txt

或者直接写成单行命令：

awk 'NR==FNR{freq[$2]++;next} {if(freq[$2]>1) print $1,$2"_"++count[$2]; else print $1,$2}' input.txt input.txt

效果示例 #

输入文件内容：

a chr_1
b chr_4
c chr_4
d chr_2

执行脚本后输出：

a chr_1
b chr_4_1
c chr_4_2
d chr_2

脚本说明 #

• NR == FNR：AWK中用于判断当前处理的是第一个输入文件（这里重复传入同一个文件，实现两次遍历），第一遍仅统计第二列每个值的总出现次数到freq数组。
• next：跳过后续处理逻辑，直接进入下一行。
• 第二遍处理时，通过freq[$2] > 1判断该值是否重复：重复则用count[$2]记录当前出现的次数并拼接后缀，唯一值直接输出原内容。

内容的提问来源于stack exchange，提问作者Paillou