如何使用grep/awk基于索引TSV文件补全另一文件缺失信息

针对需要把索引文件（file2）的关联信息匹配填充到主文件（file1）的需求，优先推荐用awk实现，性能远高于grep方案，尤其适合主文件行数远大于索引文件的场景。

推荐方案：awk 实现（大文件友好） #

直接在终端执行以下命令即可：

awk 'NR==FNR{map[$1]=$0; next} {print map[$1]}' file2.tsv file1.tsv > matched_result.tsv

命令逻辑说明 #

• 执行时awk会按顺序先读入file2.tsv（索引文件），再读入file1.tsv（主文件）
• NR==FNR是awk内置判断逻辑：仅当处理第一个输入文件（即file2.tsv）时条件成立
  • map[$1]=$0：把索引文件每行的第一列（item名）作为键，整行内容作为值，存入名为map的关联数组
  • next：跳过后续逻辑，直接处理索引文件的下一行
• 处理第二个输入文件（file1.tsv）时，逐行拿当前行的item名作为键，从map数组中取出之前存好的完整关联行打印
• 最终结果会重定向输出到matched_result.tsv文件中，和预期输出完全一致

可选优化 #

如果file1中存在file2索引里找不到的item，上面的命令会输出空行，如果需要自动过滤无匹配的行，可以用修改后的命令：

awk 'NR==FNR{map[$1]=$0; next} $1 in map{print map[$1]}' file2.tsv file1.tsv > matched_result.tsv

备选方案：grep 实现（仅适合小文件） #

grep方案需要逐行遍历主文件、反复搜索索引文件，大文件场景下性能极差，仅适合临时处理小体积文件：

while read item; do grep -P "^$item\t" file2.tsv; done < file1.tsv > grep_result.tsv

注意点 #

• -P参数启用Perl正则支持，用^锚定行首、\t匹配制表符，避免把item_1和item_11这类前缀相似的item误匹配
• 主文件超过10万行时不要用这个方法，运行速度会比awk方案慢几十到上百倍

通用注意事项 #

• 两个文件中的item名不能带多余的前后空格、制表符，否则会出现匹配失败的问题
• 输出文件默认保留原索引文件的制表符分隔格式，无需额外处理格式

内容的提问来源于stack exchange，提问作者WillDmz