使用Awk提取两个文件中相同CL区块的问题求助

需求 #

找出两个.cls文件里完整的相同CL区块，保存到out.txt。每个CL区块包含两行：一行是>CLx 1开头的标识行，一行是对应的lcu列表行。

文件内容 #

file1.cls #

>CL1 1
lcu_1 lcu_2 lcu_3
>CL2 1
lcu_6 lcu_4 lcu_8

file2.cls #

>CL1 1
ler_1 lcu_2 ler_3
>CL2 1
lcu_1 lcu_2 lcu_3
>CL3 1
lcu_6 lcu_4 lcu_8

期望输出 #

>CL1 1
lcu_1 lcu_2 lcu_3
>CL2 1
lcu_6 lcu_4 lcu_8

当前代码及问题 #

用了下面的Awk命令：

awk 'FNR==NR {a[$1]; next} $1 in a' file1.cls file2.cls > out.txt

但实际只输出了标识行，缺了对应的lcu列表行：

CL1 1
CL2 1

解决方案 #

原代码只存了标识行的第一个字段，而且只输出匹配到的标识行，没处理区块的第二行。得把整个CL区块当成一个单元来处理，下面两种方法都能解决：

方法1：按标识行关联内容行 #

awk '
FNR==NR {
    if ($0 ~ /^>CL/) {
        key = $0
    } else {
        a[key] = $0
    }
    next
}
$0 ~ /^>CL/ {
    current_key = $0
}
current_key in a && $0 !~ /^>CL/ {
    print current_key
    print a[current_key]
    delete a[current_key]
}
' file1.cls file2.cls > out.txt

逻辑说明

• 处理file1时：遇到>CL开头的行就记为索引key，下一行内容存在数组a中，关联到这个key
• 处理file2时：先记录当前的标识行current_key，遇到内容行时，检查current_key是否在a里。如果在，就输出对应的标识行和file1里的内容行，然后删掉数组里的条目避免重复输出

方法2：直接读取完整区块 #

如果每个区块固定是两行，用getline一次性读整个区块更简洁：

awk '
FNR==NR {
    block = $0 ORS
    getline
    block = block $0
    a[$0] = block
    next
}
$0 ~ /^>CL/ {
    getline
    if ($0 in a) {
        print a[$0]
    }
}
' file1.cls file2.cls > out.txt

逻辑说明

• 处理file1时：先读标识行，再读下一行内容，把整个区块存起来，用内容行作为匹配的键
• 处理file2时：遇到标识行就读下一行内容，检查内容行是否在file1的区块里，是的话就输出对应的完整区块

内容的提问来源于stack exchange，提问作者Alex Silvestrini