If statement 如何基于多列中的数据合并两个文件？

我有两个独立的文件，每个文件包含不同数量的列，我想根据多列中的数据合并这些列

文件1

VMNF01000015.1  1769465 1769675 .   .   -   Focub_II5_mimp_1
VMNF01000014.1  3225875 3226081 .   .   +   Focub_II5_mimp_1
VMNF01000014.1  3226046 3226081 .   .   -   Focub_II5_mimp_1
VMNF01000014.1  3585246 3585281 .   .   -   Focub_II5_mimp_1
VMNF01000014.1  3692468 3692503 .   .   -   Focub_II5_mimp_1
VMNF01000014.1  3715380 3715415 .   .   +   Focub_II5_mimp_1
VMNF01000014.1  2872478 2872511 .   .   -   Focub_II5_mimp_1

文件2

首先，我认为我需要在file2中创建另外两列，用“-”分隔数字，并为“（*）”创建一个新列，但我无法计算如何在不替换“（-”）的情况下分隔数字。到目前为止，我一直在使用以下命令：

awk '{gsub("-","\t",$2);print;}'

awk 'NR==FNR {a[$1]=$3; next} {print $1,$2,$3,$4,$5,$6,$7,a[$1];}' file2 file1 > file3. 

完成后，我想将file2中的最后一列添加到file1中。我已经能够使用以下命令执行此操作：

awk '{gsub("-","\t",$2);print;}'

awk 'NR==FNR {a[$1]=$3; next} {print $1,$2,$3,$4,$5,$6,$7,a[$1];}' file2 file1 > file3. 

但是，数据不匹配。根据第1列中的条目进行匹配。在许多情况下，第1列中的数据是相同的，因此文件3第8列中的数据只匹配其中一个条目，而与文件1第2列或第3列中的数据不匹配，例如

文件3：

VMNF01000015.1  1769465 1769675 .   .   -   Focub_II5_mimp_1    gtacttcagcctggattcaaacttattgcatcccactgta
VMNF01000014.1  3225875 3226081 .   .   +   Focub_II5_mimp_1    gtacttcagcctggattcaaacttattgcatcccactgta
VMNF01000014.1  3226046 3226081 .   .   -   Focub_II5_mimp_1    gtacttcagcctggattcaaacttattgcatcccactgta
VMNF01000014.1  3585246 3585281 .   .   -   Focub_II5_mimp_1    gtacttcagcctggattcaaacttattgcatcccactgta
VMNF01000014.1  3692468 3692503 .   .   -   Focub_II5_mimp_1    gtacttcagcctggattcaaacttattgcatcccactgta
VMNF01000014.1  3715380 3715415 .   .   +   Focub_II5_mimp_1    gtacttcagcctggattcaaacttattgcatcccactgta
VMNF01000014.1  2872478 2872511 .   .   -   Focub_II5_mimp_1    gtacttcagcctggattcaaacttattgcatcccactgta

即使我能够分离file2第2列中的数据，我仍然会遇到相同的问题，因为第2列中的数据在某些情况下是相同的。我需要的是这样的代码：解析第2列中的数据（见下文）

然后：

如果file1中的$1、$2、$3与file2中的$1、$2、$3匹配，则从file1中打印$1、$2、$3、$4、$5、$6、$7，并从file2中添加$5

我该怎么做？我知道awk可以使用if语句，但我不知道如何在awk中使用它们

---

有什么建议吗

你能试试下面的吗

awk '
FNR==NR{
  split($2,array,"[-(]")
  mainarray[$1,array[1],array[2]]=$NF
  next
}
(($1,$2,$3) in mainarray){
  print $0,mainarray[$1,$2,$3]
}
'  Input_file2  Input_file1

第二种解决方案：由于OP在上述代码中出现错误，所以在上述代码中做了一些更改

awk '
FNR==NR{
  split($2,array,"[-(]")
  key=$1 OFS array[1] OFS array[2]
  mainarray[key]=$NF
  next
}
{ key = $1 OFS $2 OFS $3 }
(key in mainarray){
  print $0,mainarray[key]
}
'  Input_file2  Input_file1

解释：添加上述代码的详细解释

awk '                                       ##Starting awk program from here.
FNR==NR{                                    ##Checking condition FNR==NR when  Input_file2 is being read.
  split($2,array,"[-(]")                    ##Splitting 2nd field into an array named array where delimiter is - OR (
  mainarray[$1,array[1],array[2]]=$NF       ##Creating mainarray index of $1,array[1],array[2] and value is current line is last field.
  next                                      ##next will skip all further statements from here.
}
(($1,$2,$3) in mainarray){                  ##Checking condition if $1,$2,$3 of current line is present in mainaarray.
  print $0,mainarray[$1,$2,$3]              ##Printing current line with value of mainarray with index of $1,$2,$3
}
'  Input_file2  Input_file1                 ##Mentioning Input_file names here.

---

你能试试下面的吗

awk '
FNR==NR{
  split($2,array,"[-(]")
  mainarray[$1,array[1],array[2]]=$NF
  next
}
(($1,$2,$3) in mainarray){
  print $0,mainarray[$1,$2,$3]
}
'  Input_file2  Input_file1

第二种解决方案：由于OP在上述代码中出现错误，所以在上述代码中做了一些更改

awk '
FNR==NR{
  split($2,array,"[-(]")
  key=$1 OFS array[1] OFS array[2]
  mainarray[key]=$NF
  next
}
{ key = $1 OFS $2 OFS $3 }
(key in mainarray){
  print $0,mainarray[key]
}
'  Input_file2  Input_file1

解释：添加上述代码的详细解释

awk '                                       ##Starting awk program from here.
FNR==NR{                                    ##Checking condition FNR==NR when  Input_file2 is being read.
  split($2,array,"[-(]")                    ##Splitting 2nd field into an array named array where delimiter is - OR (
  mainarray[$1,array[1],array[2]]=$NF       ##Creating mainarray index of $1,array[1],array[2] and value is current line is last field.
  next                                      ##next will skip all further statements from here.
}
(($1,$2,$3) in mainarray){                  ##Checking condition if $1,$2,$3 of current line is present in mainaarray.
  print $0,mainarray[$1,$2,$3]              ##Printing current line with value of mainarray with index of $1,$2,$3
}
'  Input_file2  Input_file1                 ##Mentioning Input_file names here.

---

我注意到，在某些情况下，也需要（-）或（+）来确保第8列中的正确顺序，有没有办法也包括这一点？可以通过向键添加另一个数组来完成吗？@Jpike，最好打开一个新问题（连同您的努力和所有示例），通常鼓励使用1线程1问题模式，如果您喜欢，可以接受此答案，干杯。我注意到在某些情况下（-）或（+）也需要确保第8列中的正确顺序，是否有方法将其包括在内？可以通过向key添加另一个数组来完成吗？@Jpike，最好打开一个新问题（连同您的努力和所有示例），通常鼓励使用1线程1问题模式，如果您喜欢，可以接受此答案，干杯。