比对两个CSV文件共有基因名并输出对应值的awk脚本故障排查

原脚本的4个核心错误 #

• 分隔符设置错误：两个文件分隔符不一致，全局设置-F"|"会导致制表符分隔的file2无法正确拆分字段，完全拿不到正确的基因名列
• 数组键值存储错误：file1的基因名在第6列，对应数值在最后一列，原脚本错误地将第1列（转录本ID）同时作为数组的键和值，完全没有存储需要的基因名和数值映射
• 匹配逻辑错误：原脚本判断条件A[$10]==$10逻辑错误，正确匹配应判断基因名是否存在于数组键中，使用$10 in A即可
• 字段重拆分缺失：切换文件后修改分隔符不会自动重新解析已读入的行，需要手动执行$0 = $0触发字段重新拆分

修复后的可运行脚本 #

awk '
# 先处理file1，构建基因名到数值的映射
FILENAME == "file1" {
    FS = "|"
    $0 = $0
    # 去掉数值前后的空白字符
    gsub(/^[[:space:]]+|[[:space:]]+$/, "", $NF)
    gene_map[$6] = $NF
    next
}
# 再处理file2，匹配输出
{
    FS = "\t"
    $0 = $0
    cur_gene = $NF
    if (cur_gene in gene_map) {
        print cur_gene, gene_map[cur_gene]
    }
}' file1 file2

运行输出结果 #

KHDRBS2 3.3232

内容的提问来源于stack exchange，提问作者user1738234