使用Awk基于前三列共同行合并两个制表符分隔文本文件

你的需求是找到两个文件中前三列完全一致的行，然后将这些行成对输出（保留各自的后续列）。先看看你原来的awk代码哪里出问题了：

原代码的问题 #

1. 字段分隔符设置错误：你直接写awk FS=OFS='\t'的语法不对，应该在BEGIN块里统一设置输入输出的制表符分隔，否则awk无法正确识别制表符分隔的字段。
2. 逻辑判断完全偏离需求：$1 = $1, $2= $2, $3=$3是赋值操作，不是判断前三列是否匹配的条件，而且你没有对两个文件的行做关联存储，自然找不到匹配的行对。
3. 硬编码列数不合理：你写死了要输出到$19，但两个文件的列数不一致（第一个文件是10列，第二个是11-12列），这样会导致输出多余空字段或者截断有效内容。

正确的Awk解决方案 #

我们可以用关联数组存储第一个文件的行，以前三列的组合作为唯一键，然后遍历第二个文件时检查键是否存在，存在就输出对应的两行：

BEGIN {
    FS = OFS = "\t"  # 统一设置输入输出为制表符分隔
}
# 处理第一个文件：用前三列拼接成键，存储整行内容
NR == FNR {
    key = $1 OFS $2 OFS $3
    lines[key] = $0
    next
}
# 处理第二个文件：检查当前行的键是否在第一个文件的记录里
{
    key = $1 OFS $2 OFS $3
    if (key in lines) {
        print lines[key]  # 先输出第一个文件的对应行
        print $0          # 再输出当前第二个文件的行
    }
}

把这段代码保存为merge.awk，然后运行命令：

awk -f merge.awk infile1.txt infile2.txt > out.txt

代码解释 #

• NR == FNR：这个条件仅对第一个文件生效（NR是全局记录数，FNR是当前文件的记录数，第一个文件两者相等），我们把每一行的前三列拼接成唯一标识键，将整行内容存入关联数组lines。
• 处理第二个文件时，同样生成键，如果该键存在于lines数组中，说明找到了匹配行，就按要求输出第一个文件的对应行和当前行。

验证结果 #

用你提供的示例文件测试，输出会和你期望的完全一致：

chr9	35689814	35689922	U2OS_Noco_input_peak_1972	77	.	4.84893	12.13092	7.77385	26
chr9	35689814	35689922	TPM2	0	-	35689814	35691017	0	6	83,86,96,105,108,1203,
chr9	35748701	35748740	U2OS_Noco_input_peak_1974	197	.	10.68892	24.88541	19.76040	127
chr9	35748701	35748740	GBA2	0	-	35748701	35749983	0	5	223,269,514,524,276,
chr9	85677944	85678064	U2OS_Noco_input_peak_1980	44	.	3.93263	8.45104	4.42192	5
chr9	85677944	85678064	RASEF	0	-	85677782	85678092	0	2	261,310, 0,0,

内容的提问来源于stack exchange，提问作者user7249622