Bash 考虑到第一列（UNIX shell）的字符串值，如何对一组列进行行号

有人能帮我吗？我想对UNIX中的表格文件进行编号，具体取决于该文件中的列。但是，某些行的最后一列之间的字母和长度相同，但顺序不同，如果前面的其他列也相同，则必须将其视为相同。总之，输入类似于

rs758613821  574290     insertion_inframe   P   285  AAAP
rs758613821  574290     insertion_inframe   P   285  APAA
rs758613821  574290     insertion_inframe   P   285  APLA
rs1367252071 574290     deletion_inframe    CADDL   134  F
rs538        3246       frameshift_variant  F   97  FGLYP
rs538        3246       frameshift_variant  F   97  PYFLG

输出应该是

1 rs758613821    574290     insertion_inframe   P   285  AAAP
1 rs758613821    574290     insertion_inframe   P   285  APAA
2 rs758613821    574290     insertion_inframe   P   285  APLA
3 rs1367252071   574290     deletion_inframe    CADDL   134  F
4 rs538          3246       frameshift_variant  F   97  FGLYP
4 rs538          3246       frameshift_variant  F   97  PYFLG

等等

通过这种方式，我执行了如下代码

awk 'BEGIN {FS=OFS="\t"} function intern(sym) { if (sym in table)
                          return table[sym]
                        return table[sym] = ++counter }
 { print intern($1"\t"$2"\t"$3"\t"$4"\t"$5"\t"$6), $0 }' "input" > "output";

---

尽管如此，我并没有解决关于最后一列的问题，即如果字母和长度相同，但顺序不同，则分配相同的数字。是否可以在UNIX环境中执行此操作？我想可能是通过substr函数或类似的方法，但我不确定什么是正确的代码。提前感谢您的支持和帮助

不确定这是您想要做的，但请尝试一下

$ awk 'function canon(f) {n=split(f,a,""); 
                          asort(a); c=""; 
                          for(i=1;i<=n;i++) c=c a[i]; 
                          return c;}
                         {key=canon($NF)} 
          !(key in keys) {keys[key]=++ctr} 
                         {print keys[key],$0}' file

1 rs758613821  574290     insertion_inframe   P   285  AAAP
1 rs758613821  574290     insertion_inframe   P   285  APAA
2 rs758613821  574290     insertion_inframe   P   285  APLA
3 rs1367252071 574290     deletion_inframe    CADDL   134  F
4 rs538        3246       frameshift_variant  F   97  FGLYP
4 rs538        3246       frameshift_variant  F   97  PYFLG

---

复制行，用规范形式替换最后一个字段，使用更新的行作为键，统计唯一实例，打印计数和原始行

正常工作！非常感谢@karafka，不过我还需要考虑其他专栏。这样，如果第2行的第3列与前一行不同，则编号也必须不同，并将变为编号2而不是编号1。是否有可能将其包含在代码中以将其考虑在内？不过，再次感谢您的帮助！好的，我已经解决了。足够的replace key=canon（$NF）到key=canon（$0）来考虑其他列。我理解代码的大部分内容，但有些部分让我感到困惑。能不能表面上解释一下？别那样做，它可能会给你错误的匹配。请查看更新的版本。让我知道哪个部分不清楚。是的，正确。由于最后一个字段字符的顺序并不重要，因此最简单的方法是对它们进行排序和比较。非常感谢您的更正并重新编辑标题@gregory

                 ...
                 {line=$0;
                  $NF=canon($NF);
                  key=$0} 
  !(key in keys) {keys[key]=++ctr} 
                 {print keys[key],line}' file