使用awk NR==FNR匹配双文件指定列时出错，请求排查

让我拆解下你当前awk命令里的核心问题，以及如何调整才能实现你的需求：

核心问题：错误的数组索引选择 #

你用$2作为数组chr/pos/a1/a2的索引，但file1和file2的第2列格式完全不一致：

• file1的$2是类似1:10177的短格式
• file2的$2是类似1:10177:A:AC的长格式

这就导致后续判断($2 in chr)永远不会成立——两个文件的$2几乎没有重合的可能，自然无法匹配到任何行。

次要问题：冗余的数组设计 #

你把染色体、位置、碱基分别存在不同数组里，不仅代码冗余，还增加了逻辑出错的概率，其实可以把匹配所需的关键信息整合起来处理。

修正后的awk命令 #

我们需要换用在两个文件里格式一致的字段作为匹配键，也就是列1（染色体）和列4（位置）的组合，同时处理列5、列6允许互换的逻辑。这里提供两种实现思路：

思路1：对碱基对排序（更高效） #

把列5和列6按字典序排序后拼接成一个字符串，这样不管原始顺序如何，相同的碱基对都会生成相同的标识：

# 处理第一个文件file1，存储匹配所需的关键信息
NR==FNR {
    # 用染色体+位置作为唯一键
    key = $1 ":" $4
    # 对碱基对排序，生成无序标识
    if ($5 < $6) {
        base_pair = $5 ":" $6
    } else {
        base_pair = $6 ":" $5
    }
    match_info[key] = base_pair
    next
}
# 处理第二个文件file2，匹配符合条件的行
NR>FNR {
    key = $1 ":" $4
    # 生成当前行的无序碱基标识
    if ($5 < $6) {
        curr_base = $5 ":" $6
    } else {
        curr_base = $6 ":" $5
    }
    # 检查键存在且碱基匹配
    if (key in match_info && match_info[key] == curr_base) {
        print $2
    }
}

思路2：直接判断两种顺序（更直观） #

如果不想排序，可以直接存储file1里碱基对的两种可能顺序，然后检查file2的碱基对是否属于其中一种：

NR==FNR {
    key = $1 ":" $4
    # 存储两种碱基顺序，用|分隔
    match_info[key] = $5 ":" $6 "|" $6 ":" $5
    next
}
NR>FNR {
    key = $1 ":" $4
    curr_base = $5 ":" $6
    # 检查当前碱基对是否在预存的两种可能里
    if (key in match_info && index(match_info[key], curr_base) > 0) {
        print $2
    }
}

把上面的命令保存后，执行：

awk -f match_script.awk file1 file2 > extract_results.txt

（或者直接把awk命令写在一行里执行）

这样就能正确找出列1、4匹配，且列5和列6内容可互换的行，并输出file2的第2列。

内容的提问来源于stack exchange，提问作者Molly_K