如何用awk按制表符文件首列值合并指定列值为逗号分隔列表

需求说明 #

处理制表符分隔的文本文件，规则如下：

• 以第1列的取值为分组维度
• 同组内的第2、4、5列值，按原始出现顺序拼接为逗号分隔的列表，保留重复值
• 同组内第3列值固定，直接保留
• 最终输出列之间仍用制表符分隔，保持和原文件一致的列顺序

原有命令仅提取全文件第2列做全局换行替换，没有分组判断逻辑，因此无法按首列的不同取值分别聚合结果，原命令如下：

awk -F"\t" '{print $2}' $i | sed -z 's/\n/,/g;s/,$/\n/'

测试样例 #

输入文件内容（制表符分隔）：

Bob     24      M       apples  red
Bob     12      M       apples  green
Linda   56      F       apples  red
Linda   102     F       bananas yellow

期望输出：

Bob     24,12   M       apples,apples   red,green
Linda   56,102  F       apples,bananas  red,yellow

可用命令 #

直接用awk单命令就能实现全流程，不需要额外接sed处理，核心逻辑是通过数组记录每个分组的拼接值，同时记录分组首次出现的顺序，保证输出顺序和原文件一致：

awk -F'\t' '
!seen[$1]++ {
    order[++cnt] = $1
    c2[$1] = $2
    c3[$1] = $3
    c4[$1] = $4
    c5[$1] = $5
    next
}
{
    c2[$1] = c2[$1] "," $2
    c4[$1] = c4[$1] "," $4
    c5[$1] = c5[$1] "," $5
}
END {
    for (i=1; i<=cnt; i++) {
        cur = order[i]
        printf "%s\t%s\t%s\t%s\t%s\n", cur, c2[cur], c3[cur], c4[cur], c5[cur]
    }
}
' 待处理文件路径

把命令里的待处理文件路径替换成实际文件路径即可，传入上述样例输入时输出和预期完全一致，会保留所有重复值、遵循原始出现顺序。

内容的提问来源于stack exchange，提问作者Andy