使用join或awk按指定列合并两个已排序文件，原脚本输出空求解决

原脚本错误原因 #

• 指定输出字段2.4，但File2仅包含2个字段，不存在第4个字段，直接导致join无输出
• 插入表头时使用逗号作为分隔符，和后续内容的空白分隔规则不统一，会导致最终格式错位
• 没有处理File1中基因描述占多个字段的场景，直接取固定位置字段会丢失部分描述内容

推荐awk实现方案 #

awk处理多字段匹配的场景更灵活，不需要额外调整文件排序，可直接实现需求：

awk '
NR == FNR {
    gene = $2
    score_mirDB = $1
    desc = ""
    for(i=3;i<=NF;i++){
        desc = desc " " $i
    }
    sub(/^ /,"",desc)
    data[gene] = score_mirDB "\t" desc
    next
}
{
    gene = $2
    if(gene in data){
        split(data[gene], arr, "\t")
        print gene "\t" arr[2] "\t" arr[1] "\t" $1
    }
}
' File1 File2 | sed '1i Gene Symbol\tGene Description\tTarget Score mirDB\tTarget Score Diana' | column -t > Output

运行验证 #

执行后Output文件内容完全符合预期：

Gene Symbol  Gene Description         Target Score mirDB  Target Score Diana
HOXC11       centrosomal protein 57   70                  0.700229616476825
CHD4         chromodomain helicase    70                  0.700328646327188
LUZP2        leucine zipper protein 2 70                  0.700328951649384

内容的提问来源于stack exchange，提问作者Diego Munoz