如何用Awk按列值差异筛选文本中的行三元组？

问题回顾 #

你需要筛选文本中由a开头行 + 两行s开头行组成的三元组，保留满足第二行s的第6列值 - 第一行s的第6列值 > 0的完整三元组。你的手动getline写法容易导致行处理混乱，咱们换一种更清晰可靠的方式实现。

错误脚本的问题分析 #

你的原脚本存在几个关键问题：

• 手动调用getline会打乱Awk默认的行处理流程，尤其当文件结尾不完整时容易出错
• 零散存储每行字段的方式过于繁琐，直接保存整行更高效
• 末尾额外的getline会跳过下一个三元组的起始行，导致逻辑错位
• 条件判断用了>=0，但你的需求是“为正”（即>0），如果需要包含等于的情况可以调整

正确的Awk脚本实现 #

利用Awk的行号NR来分组处理固定结构的三元组，代码简洁且逻辑清晰：

awk '
# 保存a开头的行（每3行的第一行）
NR%3 == 1 { a_line = $0 }
# 保存第一个s行的内容和第6列值（每3行的第二行）
NR%3 == 2 { s1_line = $0; s1_col6 = $6 }
# 处理第二个s行（每3行的第三行）
NR%3 == 0 {
    if ($6 - s1_col6 > 0) {
        print a_line
        print s1_line
        print $0
        print ""  # 可选：添加空行分隔不同三元组，方便阅读
    }
}' myfile.txt

脚本工作原理 #

1. NR%3 == 1：当行号是3的倍数+1时（第1、4、7...行），将当前a行完整存入变量a_line
2. NR%3 == 2：当行号是3的倍数+2时（第2、5、8...行），保存第一个s行的完整内容和第6列数值
3. NR%3 == 0：当行号是3的倍数时（第3、6、9...行），计算当前s行第6列与第一个s行第6列的差值，若结果为正，则打印整个三元组

测试输出结果 #

用你提供的输入文件运行脚本后，会输出以下符合条件的三元组（最后一个三元组因差值为负被过滤）：

a score=2910 EG2=0 E=0
s MJUT01042700.1 17232 3459 + 53939
s scaffold1|size190226 11711 3461 + 190226

a score=1427 EG2=0 E=0
s MJUT01011585.1 1110178 1852 + 1659926
s scaffold1|size190226 96228 1834 + 190226

a score=1136 EG2=0 E=0
s MJUT01033992.1 44701 1369 + 67673
s scaffold1|size190226 96715 1347 + 190226

a score=1074 EG2=0.02 E=0
s MJUT01027223.1 115853 1482 + 196715
s scaffold1|size190226 140742 1471 + 190226

内容的提问来源于stack exchange，提问作者Corsair