awk双文件处理时为何异常打印首个输入文件的首行？

问题场景 #

编写bash调用awk的双文件匹配脚本，预期以姓名为键关联两个文件的信息输出，原脚本内容如下：

#!/bin/bash
awk 'FNR > 1 && NR==FNR {
  f_name = tolower($1) # first name
  l_name = tolower($2) # last name
  full_name = f_name":"l_name # full name used as array index
  address_city_county_state_zip = $4","$5","$6","$7","$8
  address[full_name] = address_city_county_state_zip
  next
  }
  {
    first_n = tolower($1) # first name
    last_n = tolower($2) # last name
    full_n = first_n":"last_n # full name used as array index
    printf ("%-10s %-10s %-55s %06.2f %-10s\n", $1, $2, address[full_n], $4, FILENAME)          
  }' $1 $2

执行命令：

./ch10_challenge.awk addresses.txt nameemailavg.tab

测试文件构造命令 #

• 构造nameemailavg.tab（无表头，存储姓名、邮箱、浮点数值）：

printf 'Art\tVenere\tart@venere.org\t256.62394383\nLenna\tPaprocki\tlpaprocki@hotmail.com\t259.688783099\nDonette\tFoller\tdonette.foller@cox.net\t282.32979844\n' > nameemailavg.tab

• 构造addresses.txt（首行为字段表头，后续为地址数据）：

printf 'first_name\tlast_name\tcompany_name\taddress\tcity\tcounty\tstate\tzip\tphone1\tphone2\temail\tweb\nAbel\tMaclead\tRangoni Of Florence\t37275 St  Rt 17m M\tMiddle Island\tSuffolk\tNY\t11953\t631-335-3414\t631-677-3675\tamaclead@gmail.com\thttp://www.rangoniofflorence.com\nArt\tVenere\tChemel, James L Cpa\t8 W Cerritos Ave #54\tBridgeport\tGloucester\tNJ\t08014\t856-636-8749\t856-264-4130\tart@venere.org\thttp://www.chemeljameslcpa.com\nDonette\tFoller\tPrinting Dimensions\t34 Center St\tHamilton\tButler\tOH\t45011\t513-570-1893\t513-549-4561\tdonette.foller@cox.net\thttp://www.printingdimensions.com\nSimona\tMorasca\tChapman, Ross E Esq\t3 Mcauley Dr\tAshland\tAshland\tOH\t44805\t419-503-2484\t419-800-6759\tsimona@morasca.com\thttp://www.chapmanrosseesq.com\nKiley\tCaldarera\tFeiner Bros\t25 E 75th St #69\tLos Angeles\tLos Angeles\tCA\t90034\t310-498-5651\t310-254-3084\tkiley.caldarera@aol.com\thttp://www.feinerbros.com\n' > addresses.txt

异常现象 #

预期仅输出第二个文件中姓名对应的地址信息，实际运行时首行永远打印第一个传入文件的首行表头，内容为first_name、last_name、000.00、addresses.txt；调换两个文件传入顺序后输出整体错乱，首行变为新的第一个传入文件的首行。

疑问解答 #

1. 现有代码为什么会打印首个传入文件addresses.txt的第一行？ #

第一个代码块的匹配规则是FNR > 1 && NR==FNR，需要同时满足两个条件才会进入块执行：

• 当前处理行在所属文件的行号FNR大于1（跳过首行）
• 全局累计行号NR等于当前文件行号FNR（即正在处理第一个传入文件）
  处理addresses.txt第一行时FNR=1，不满足FNR>1的判断，根本不会进入第一个代码块，块内的next语句自然不会触发。这一行会直接匹配后续无pattern限制的第二个代码块（无pattern默认匹配所有行），被printf打印出来，就出现了首行输出表头的问题。

2. 认为第二个无pattern的action块会因为前一个块的next语句不被执行，这个理解错在哪？ #

next语句的生效前提是当前行成功匹配前一个块的pattern、进入第一个块执行。如果行不满足第一个块的匹配规则，根本不会进入第一个块，块内的next对这些行完全无效。awk会按顺序匹配后续的pattern-action对，没有pattern的块默认匹配所有行，自然会接住所有没被第一个块处理的行。

3. 把第二个action块的pattern改成FS = "\t"为什么没有改善？ #

这个写法从根上就错了：

• 首先FS = "\t"是赋值操作，不是相等判断，awk会把赋值的返回值（非空字符串"\t"，等价于布尔真）作为pattern的匹配结果，相当于第二个块还是匹配所有行，和没加pattern没有任何区别。
• 就算写的是相等判断FS == "\t"，FS是全局字段分隔符变量，只要处理全程不主动修改，值不会变，所有行都满足判断条件，还是会接住所有没被第一个块处理的行，问题不会有任何改善。
• 如果要严格按制表符切分字段，必须在awk读取第一行之前的BEGIN块里设置FS="\t"，写在普通块的pattern位置完全起不到预期作用。

4. 调换两个文件传入顺序后首行始终是第一个传入文件首行、输出整体错乱的根本原因是什么？ #

首行异常的根本原因和第一个问题完全一致：第一个块的pattern用FNR>1跳过第一个文件的首行，但这行因为不满足匹配规则，不会触发next，会直接落入第二个无pattern的块被打印。不管把哪个文件放在第一个参数位置，它的首行FNR都是1，都不满足FNR>1，都会被第二个块打印。
输出整体错乱是因为把无表头的nameemailavg.tab放在第一个位置时，第一个块会把该文件里的邮箱、浮点数值错误存入地址映射数组，后续处理addresses.txt时拿姓名去数组查询，自然匹配不到正确的地址，输出就会完全混乱。

修正后可运行脚本 #

#!/bin/bash
awk '
BEGIN { FS = "\t" }
# 处理第一个传入的地址文件，跳过表头存储地址映射
NR == FNR {
  if (FNR == 1) next
  full_name = tolower($1) ":" tolower($2)
  address[full_name] = $4 "," $5 "," $6 "," $7 "," $8
  next
}
# 处理第二个传入的姓名数值文件，匹配地址输出
{
  full_n = tolower($1) ":" tolower($2)
  printf ("%-10s %-10s %-55s %06.2f %-10s\n", $1, $2, address[full_n], $4, FILENAME)
}
' "$1" "$2"

内容的提问来源于stack exchange，提问作者Backspace Mild