awk根据与拆分匹配的行更新文件

在下面的

awk

中，我试图将

file1

中的

$2

与

file2中的
$4
匹配到
中的第一个未得分
。如果找到匹配项，则
file2
的该部分将更新为
file1
中匹配的
$1
值。我认为这很接近，但不确定如何解释
文件1
中的
。在我的真实数据中有数千行，但它们都是以下格式，并且可能并不总是找到匹配项。
awk
按原样执行，但是
file2
没有更新，我想是因为
不匹配。谢谢：）

文件1
空格分隔

TGFBR1 NM_004612.3
TGFBR2 NM_003242.5
TGFBR3 NM_003243.4

chr1    92149295    92149414    NM_003243_cds_0_0_chr1_92149296_r
chr1    92161228    92161336    NM_003243_cds_1_0_chr1_92161229_r
chr1    92163645    92163687    NM_003243_cds_2_0_chr1_92163646_r
chr3    30648375    30648469    NM_003242_cds_0_0_chr3_30648376_f
chr3    30686238    30686407    NM_003242_cds_1_0_chr3_30686239_f
chr9    101867487   101867584   NM_004612_cds_0_0_chr9_101867488_f
chr9    101904817   101904985   NM_001130916_cds_3_0_chr9_101904818_f

chr1    92149295    92149414    TGFBR3_cds_0_0_chr1_92149296_r
chr1    92161228    92161336    TGFBR3_cds_1_0_chr1_92161229_r
chr1    92163645    92163687    TGFBR3_cds_2_0_chr1_92163646_r
chr3    30648375    30648469    TGFBR2_cds_0_0_chr3_30648376_f
chr3    30686238    30686407    TGFBR2_cds_1_0_chr3_30686239_f
chr9    101867487   101867584   TGFBR1_cds_0_0_chr9_101867488_f

文件2
制表符分隔

TGFBR1 NM_004612.3
TGFBR2 NM_003242.5
TGFBR3 NM_003243.4

chr1    92149295    92149414    NM_003243_cds_0_0_chr1_92149296_r
chr1    92161228    92161336    NM_003243_cds_1_0_chr1_92161229_r
chr1    92163645    92163687    NM_003243_cds_2_0_chr1_92163646_r
chr3    30648375    30648469    NM_003242_cds_0_0_chr3_30648376_f
chr3    30686238    30686407    NM_003242_cds_1_0_chr3_30686239_f
chr9    101867487   101867584   NM_004612_cds_0_0_chr9_101867488_f
chr9    101904817   101904985   NM_001130916_cds_3_0_chr9_101904818_f

chr1    92149295    92149414    TGFBR3_cds_0_0_chr1_92149296_r
chr1    92161228    92161336    TGFBR3_cds_1_0_chr1_92161229_r
chr1    92163645    92163687    TGFBR3_cds_2_0_chr1_92163646_r
chr3    30648375    30648469    TGFBR2_cds_0_0_chr3_30648376_f
chr3    30686238    30686407    TGFBR2_cds_1_0_chr3_30686239_f
chr9    101867487   101867584   TGFBR1_cds_0_0_chr9_101867488_f

所需输出
制表符分隔

TGFBR1 NM_004612.3
TGFBR2 NM_003242.5
TGFBR3 NM_003243.4

chr1    92149295    92149414    NM_003243_cds_0_0_chr1_92149296_r
chr1    92161228    92161336    NM_003243_cds_1_0_chr1_92161229_r
chr1    92163645    92163687    NM_003243_cds_2_0_chr1_92163646_r
chr3    30648375    30648469    NM_003242_cds_0_0_chr3_30648376_f
chr3    30686238    30686407    NM_003242_cds_1_0_chr3_30686239_f
chr9    101867487   101867584   NM_004612_cds_0_0_chr9_101867488_f
chr9    101904817   101904985   NM_001130916_cds_3_0_chr9_101904818_f

chr1    92149295    92149414    TGFBR3_cds_0_0_chr1_92149296_r
chr1    92161228    92161336    TGFBR3_cds_1_0_chr1_92161229_r
chr1    92163645    92163687    TGFBR3_cds_2_0_chr1_92163646_r
chr3    30648375    30648469    TGFBR2_cds_0_0_chr3_30648376_f
chr3    30686238    30686407    TGFBR2_cds_1_0_chr3_30686239_f
chr9    101867487   101867584   TGFBR1_cds_0_0_chr9_101867488_f

awk

awk 'FNR==NR {A[$1]=$1; next}  $4 in A {sub ($4, $4 "_" A[$4]) }1' OFS='\t' file1 FS='\t' file2

下面的
awk
可能会对您有所帮助。此外，您还可以根据输入文件更改
FS
字段分隔符，例如-->输入文件1以空格分隔，然后在其前面使用
FS=”“
，输入文件2以制表符分隔，然后在其名称前面使用
FS=“\t”

awk '
FNR==NR{
  val=$2;
  sub(/\..*/,"",val);
  a[val]=$1;
  next
}
{
  split($4,array,"_")
}
((array[1]"_"array[2]) in a){
  sub(/.*_cds/,a[array[1]"_"array[2]]"_cds",$4);
  print
}
'   Input_file1   Input_file2

输出如下：

chr1 92149295 92149414 TGFBR3_cds_0_0_chr1_92149296_r
chr1 92161228 92161336 TGFBR3_cds_1_0_chr1_92161229_r
chr1 92163645 92163687 TGFBR3_cds_2_0_chr1_92163646_r
chr3 30648375 30648469 TGFBR2_cds_0_0_chr3_30648376_f
chr3 30686238 30686407 TGFBR2_cds_1_0_chr3_30686239_f
chr9 101867487 101867584 TGFBR1_cds_0_0_chr9_101867488_f

我现在发布了解决方案，我的解决方案认为您的字段分隔符是空间分隔符（因为您现在更新了它们），但我也添加了关于如何处理不同类型分隔符文件的说明，让我知道。效果很好，但在编辑我时，您比我快，如果我不想删除不匹配的行，但是，不是全部打印，而是在所有行的打印后指定为
print$0
？谢谢您的帮助：）。
子项是否仅打印匹配项以便打印匹配项，而非匹配项是否必须添加条件到数组[1]。也就是说，如果数组[1]中没有匹配项，则该行按原样打印？谢谢：）。@Chris，不，它是
（数组[1]“"数组[2]）
检查它是否存在于数组
a
中，然后它给出输出。@Chris，我以后也会在代码中添加解释。