AWK按CSV第一列匹配全量拼接行（保留重复匹配）实现问题

问题原因 #

原有代码存在两处逻辑缺陷导致同键仅能匹配一次：

1. 存储file1记录时直接用第一列作为数组索引，同键的后续行直接覆盖前面的行，同键仅保留最后一条记录
2. 匹配到一次同键结果后直接执行delete file1[key]删除键，后续同键的记录无法再匹配，未匹配的同键行还会被误判定为仅file1独有

修改后代码 #

BEGIN { FS=OFS="," }
FNR==1 { next }
{ key = $1 }
# 读取第一个文件（file1），同键多条全部存储
NR==FNR {
    cnt[key]++
    file1[key, cnt[key]] = $0
    next
}
# 读取第二个文件（file2）
key in cnt {
    # 遍历当前key对应的所有file1行，全部拼接输出
    for(i=1; i<=cnt[key]; i++) {
        print file1[key, i], $0 > "./out_combined.csv"
    }
    # 标记该key已匹配，避免后续输出到file1独有文件
    matched[key] = 1
    next
}
# 未匹配到的file2行输出到独有文件
{
    print > "./out_file2_only.csv"
}
END {
    # 遍历所有file1的key，未匹配的输出到独有文件
    for (key in cnt) {
        if (!(key in matched)) {
            for(i=1; i<=cnt[key]; i++) {
                print file1[key, i] > "./out_file1_only.csv"
            }
        }
    }
}

核心修改说明 #

• 新增cnt[key]变量计数同键的行数，用file1[key, 序号]二维数组存储同键的所有行，解决同键覆盖问题
• 匹配到同键时不再删除键，而是遍历该键对应的所有file1行全部拼接输出，支持一对多、多对多的全匹配
• 新增matched[key]标记已匹配的键，避免已匹配的键对应的行被误输出到file1独有文件

按照你给出的示例输入，修改后的代码会输出2条fishing相关的拼接结果，且fishing不会出现在两个独有文件中，符合需求。

内容的提问来源于stack exchange，提问作者Waldonutz