GNU Awk报attempt to use scalar as array错误求助

该报错由不同版本GNU Awk对未定义变量的类型推断逻辑差异导致：
脚本执行时匹配到第一行>Cluster 0会优先调用display()函数，此时gene_ids还未被赋值为数组，属于未定义变量：

• MacPorts编译的GNU Awk对该场景做了兼容处理，未定义变量传入length()时不会固定变量类型，后续仍可被初始化为数组
• Ubuntu环境下的GNU Awk（包括同版本自定义编译的版本）类型检查更严格，未定义变量传入length()时会被默认初始化为标量空字符串，后续执行gene_ids[$7] = 1尝试将标量作为数组使用，就会抛出attempt to use scalar 'gene_ids' as an array错误。

以下两种方案均可解决问题，任选其一即可：

方案1：提前初始化数组（推荐） #

在BEGIN块中提前将gene_ids标记为数组类型，避免类型推断异常，修改后完整脚本如下：

#!/usr/bin/awk -f
BEGIN {
    FS = "[_.]"
    # 对未定义变量执行delete操作会直接将其标记为数组类型，无额外副作用
    delete gene_ids
}

function display() {
    if (length(gene_ids) > 1)
        for (j=0; j <= i; j++)
            print a[j]
}

{
    if (/^>Cluster /) {
        display()
        delete a
        delete gene_ids
        a[i=0] = $0
    } else {
        a[++i] = $0
        gene_ids[$7] = 1
    }
}

END {
    display()
}

方案2：跳过首次空调用 #

增加首次执行标记，避免第一个Cluster加载前调用无意义的display()：

#!/usr/bin/awk -f
BEGIN {
    FS = "[_.]"
    # 标记是否为第一次遇到Cluster条目
    is_first = 1
}

function display() {
    if (length(gene_ids) > 1)
        for (j=0; j <= i; j++)
            print a[j]
}

{
    if (/^>Cluster /) {
        # 首次遇到Cluster时没有上一个待处理的条目，跳过display调用
        if (!is_first) {
            display()
        } else {
            is_first = 0
        }
        delete a
        delete gene_ids
        a[i=0] = $0
    } else {
        a[++i] = $0
        gene_ids[$7] = 1
    }
}

END {
    display()
}

两种方案在所有GNU Awk版本中均可正常运行，输出和原预期完全一致。

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