Awk 需要合并两个文件中的列，其中一个文件在最终文件中每行有多个条目

我有两个数据文件，每个文件有两列，我需要将它们组合在一起，这样第一个文件中的前两列将被保留，当第二列与第一个文件的第一列匹配时，第二个文件的第一列将被追加。但是，可能有多个条目与每一行匹配，它们都需要添加到同一行，并用空格分隔

文件1：

GO:0000001  mitochondrion|inheritance
GO:0000002  mitochondrial|genome|maintenance
GO:0000003  reproduction
GO:0000005  obsolete|ribosomal|chaperone|activity

文件2：

TMALIG_00480     GO:0000003
TMALIG_00489     GO:0000002
TMALIG_00499     GO:0000001
TMALIG_00499     GO:0000005
TMALIG_00500     GO:0000002

期望输出：

GO:0000001  mitochondrion|inheritance   TMALIG_00499
GO:0000002  mitochondrial|genome|maintenance    TMALIG_00489 TMALIG_00500
GO:0000003  reproduction    TMALIG_00480
GO:0000005  obsolete|ribosomal|chaperone|activity   TMALIG_00499

我尝试了以下代码，它只返回文件1中的值，而不添加文件2中的值：

awk -F '\t' 'FR==FNR { a[$2]=1; next} {print $1, $2, a[$1]}' go.db.txt TMALIG_GOids.txt

GO:0000001  mitochondrion|inheritance
GO:0000002  mitochondrial|genome|maintenance
GO:0000003  reproduction
GO:0000005  obsolete|ribosomal|chaperone|activity

你很接近：

$ awk -F '\t' 'NR==FNR { a[$2]=($2 in a?a[$2]" ":"")$1; next} {print $1, $2, a[$1]}' OFS='\t' file2 file1
GO:0000001      mitochondrion|inheritance       TMALIG_00499
GO:0000002      mitochondrial|genome|maintenance        TMALIG_00489 TMALIG_00500
GO:0000003      reproduction    TMALIG_00480
GO:0000005      obsolete|ribosomal|chaperone|activity   TMALIG_00499

工作原理

• -F'\t'

  这会将输入时的字段分隔符设置为选项卡

• NR==FNR{a[$2]=（a中的$2？a[$2]“\t”：“）$1；next}

  这会将文件2中的信息捕获到关联数组

  a

  这里需要技巧的部分是，如果

  a[$1]

  已经有一个条目，我们会在现有条目之后附加一个空格和字段1，

  $1

  。否则，

  a[$2]

  仅设置为

  $1

  。这是通过三元语句实现的

• 打印$1、$2、a[$1]

  这将打印新行，并将file2中的值附加到该行的末尾

• OFS='\t'
  这告诉awk使用一个选项卡作为输出字段分隔符

---

谢谢！使基因ID空格分隔而不是标签的完整正确代码是

awk-F'\t''NR==FNR{a[$2]=（a？a[$2]“\t:”）$1；next}{print$1，$2，a[$1]}'OFS='\t'file2 file1 | perl-p-e's/（TCALIF\d+\t/$1/g'>file.out

@tiggersandrok。我更新了代码，使基因ID空间分隔。当您有两个变量必须设置为相同的文字值时，为了清晰和维护，最好将它们一起设置为该值，而不是分开设置，并且最好在使用它们之前（即在脚本开始时）显示它们已初始化而不是在使用它们之后（即在脚本末尾）。使用

awk'BEGIN{FS=OFS=“\t”}…”文件

而不是

awk-F'\t''.'OFS='\t'文件