使用awk跳过注释行并比对两文件指定列，输出匹配与不匹配结果

需求说明 #

编写AWK脚本，跳过以#开头的注释行，基于第1、2、4、5列比对1234.txt（file1）和5678.txt（file2），输出以下制表符分隔的内容：

• 两文件间的匹配行（保留file1中的完整行）
• 仅存在于单一文件的行，并标注所属文件

预期输出示例 #

Match between 1234.txt and 5678.txt:
chr1    1013466 .   T   TA  11438.1 PASS
chr1    1013490 .   C   G   14137   PASS
Not Found in 1234.txt:
chr1    1014600 .   C   A   2000    PASS
Not Found in 5678.txt:
chr1    1013600 .   T   TAA 1140    PASS

输入文件内容 #

file1（1234.txt） #

##....
#....
chr1    1013466 .   T   TA  11438.1 PASS
chr1    1013490 .   C   G   14137   PASS
chr1    1013600 .   T   TAA 1140    PASS

file2（5678.txt） #

##...
#....
chr1    1013466 .   T   TA  10914   PASS
chr1    1013490 .   C   G   13785.1 PASS
chr1    1014600 .   C   A   2000    PASS

现有脚本问题 #

原脚本存在多处语法错误和逻辑缺陷：

• 条件判断/^[^#]/ FNR==1 { next }写法错误，未用逻辑运算符连接条件
• 数组命名错误：$f1、$f2是引用变量值的字段，而非合法数组名
• 仅存储了用于比对的列，未保留完整行内容
• 输出格式不符合预期，缺少文件归属标注，匹配行未保留原完整行

修正后的AWK脚本 #

f1=1234.txt
f2=5678.txt
awk -F'\t' '
    # 跳过所有以#开头的注释行
    /^#/ { next }
    # 处理第一个文件：用第1、2、4、5列拼接成唯一键，存储完整行
    FNR == NR {
        key = $1 FS $2 FS $4 FS $5
        file1[key] = $0
        next
    }
    # 处理第二个文件：存储完整行，标记匹配项
    {
        key = $1 FS $2 FS $4 FS $5
        file2[key] = $0
        if (key in file1) {
            matched[key] = 1
        }
    }
    # 按要求输出结果
    END {
        # 输出两文件匹配行（取file1的内容）
        print "Match between 1234.txt and 5678.txt:"
        for (key in matched) {
            print file1[key]
        }
        # 输出仅存在于file2的行
        print "\nNot Found in 1234.txt:"
        for (key in file2) {
            if (!(key in file1)) {
                print file2[key]
            }
        }
        # 输出仅存在于file1的行
        print "\nNot Found in 5678.txt:"
        for (key in file1) {
            if (!(key in file2)) {
                print file1[key]
            }
        }
    }
' OFS='\t' "$f1" "$f2"

脚本说明 #

• 用/^#/ { next }跳过所有注释行，包括多行注释开头的##行
• 处理第一个文件时，将指定列拼接成唯一键，把完整行存入数组，确保后续能输出原始内容
• 处理第二个文件时，同步标记与第一个文件匹配的键，方便后续归类输出
• END块按预期格式分三部分输出内容，严格对应需求中的标注要求

内容的提问来源于stack exchange，提问作者justaguy