如何用awk/Bash跨文件按相同SOL_number合并MGD_number？

错误原因 #

1. join的硬性要求：join 命令强制要求输入的两个文件按连接字段（此处为第2列SOL_number）预先排序，且排序规则完全一致，否则会直接报错或输出错误结果。你直接执行join时报错，就是因为原文件未按SOL_number排序。
2. 排序参数误用：
   • sort -k1 -n是按第一列MGD_number排序，和join需要的连接字段（第2列）完全无关，排序后的文件自然不符合join的匹配逻辑，导致结果错误。
   • 用sort -k2 -n时如果没指定-k2,2，会默认从第2列开始到行尾作为排序键，可能引入无关字段干扰排序；另外如果只排序了其中一个文件，另一个文件仍无序，也会导致join匹配错位。

正确解决步骤 #

1. 按第2列（SOL_number）正确排序两个文件

根据SOL_number的格式选择对应排序方式：

• 如果SOL_number是纯数字：

  # -k2,2表示仅用第2列作为排序键，-n表示按数字大小排序
  sort -k2,2n file1 > sorted_file1
  sort -k2,2n file2 > sorted_file2
  

• 如果SOL_number带前缀（比如SOL123这类格式）：

  # 用字典序排序，无需-n参数
  sort -k2,2 file1 > sorted_file1
  sort -k2,2 file2 > sorted_file2
  

2. 执行join并提取目标结果

# 按第2列连接两个已排序文件，再提取File1和File2的MGD_number
join -j2 sorted_file1 sorted_file2 | awk '{print $2, $3}' > file3

额外说明 #

由于你的File1和File2的MGD_number范围无重叠（File1是MGD226-MGD450，File2是MGD451-MGD675），同一文件内不会出现需要规避的合并情况，上述命令完全符合需求——仅匹配不同文件中SOL_number相同的行，合并对应的MGD_number。

内容的提问来源于stack exchange，提问作者Jakub