如何用Awk匹配两文件双列并输出匹配及不匹配结果行

需求说明 #

• 两个3列的大型文件，需按第1、2列的组合精准匹配
• 匹配成功：将文件2的第3列追加到文件1对应行的第3列后
• 额外输出：文件2中未匹配文件1的行，以及文件1中未匹配文件2的行

示例文件与期望输出 #

File 1 #

THR190   GLU195   50.6
VAL188   ASP197   99.2
PHE199   LYS184    2.5
.......

File 2 #

THR190   GLU195   0.6 
PHE199   LYS184  100.0 
ARG196   VAL188  22.5 
.......

期望输出 #

THR190   GLU195   50.6  0.6
VAL188   ASP197   99.2  
PHE199   LYS184   2.5   100.0
ARG196   VAL188         22.5
.......

现有问题代码 #

你当前的代码仅用第1列作为匹配键，无法满足第1+2列的组合匹配需求：

awk 'FNR==NR{lines[$1]=$2;next}{print $0,lines[$1]}'

修正后的Awk代码 #

以下代码实现完整需求，核心是用第1列+第2列的组合作为唯一匹配键：

awk '
# 读取文件1，存储第1+2列的键与对应的第3列
FNR==NR {
    key = $1 " " $2
    file1[key] = $3
    next
}
# 处理文件2
{
    key = $1 " " $2
    if (key in file1) {
        # 匹配成功，按格式输出文件1内容+文件2第3列
        printf "%s %s %s  %s\n", $1, $2, file1[key], $3
        matched[key] = 1
    } else {
        # 暂存文件2中未匹配的行
        unmatched[++cnt] = $0
    }
}
# 处理完所有行后，输出文件1中未匹配的行和文件2未匹配的行
END {
    # 输出文件1未匹配行
    for (key in file1) {
        if (!(key in matched)) {
            printf "%s %s  \n", key, file1[key]
        }
    }
    # 输出文件2未匹配行
    for (i=1; i<=cnt; i++) {
        split(unmatched[i], arr)
        printf "%s %s        %s\n", arr[1], arr[2], arr[3]
    }
}
' file1.txt file2.txt

代码关键点 #

1. 联合匹配键：用$1 " " $2作为数组索引，确保只有第1、2列完全一致才会匹配
2. 标记匹配状态：用matched数组记录已匹配的键，避免重复输出
3. 格式控制：用printf精准控制输出格式，保证列对齐（可根据实际需求调整空格数）
4. 未匹配行处理：分别暂存和输出文件1、文件2中未匹配的行

内容的提问来源于stack exchange，提问作者EA00