用于字符串替换和打印匹配和不匹配字符串的awk命令

Question

我希望用来自File-1的匹配字符串替换File-2中的多个字符串(超过1000)

File-1

Geneid Length s1 s2
1_1 6571 7 8
1_2 5041 3 0
1_3 1032 7 3    
1_4 1212 3 5    
1_5 1071 3 5    
2_1 7171 2 7
2_2 1038 1 1
2_3 9361 0 6
2_4 1056 5 1

File-2 (地图)：

1_1
1_2 k0002
1_3
1_4
1_5 k0006   
2_1
2_2
2_3
2_4 k0528

预期产出：

Geneid Length s1 s2
1_1 6571 7 8
k0002 5041 3 0
1_3 1032 7 3    
1_4 1212 3 5    
k0006 1071 3 5  
2_1 7171 2 7
2_2 1038 1 1
2_3 9361 0 6
k0528 1056 5 1

我使用了以下awk命令：

awk '
NR==FNR {                      
a[$1]=$2                    
next                       
}
{                               
print (($1 in a)?a[$1]:$1, $2, $3, $4)  
}' File-2 File-1 > File-3

这给了我这个：

Geneid  Length  s1  s2
 6571 7 8
k0002 5041 3 0
 1032 7 3   
 1212 3 5   
k0006 1071 3 5  
 7171 2 7
 1038 1 1
 9361 0 6
k0528 1056 5 1

如何修改这个awk命令以保持不匹配的字符串？

对不起，我是linux和awk的新手(试着学习)。

Answer 1

表达式($1 in a)?a[$1]:$1将打印a[$1]或$1，具体取决于$1是否是a中的键。但是您的所有键都在a中，因此，例如，对于键1_1，它会打印空字符串，这是a["1_1"]的值。解决方案是，只有在要为a中的键添加值时才填充$1。

awk 'NR==FNR { if (NF > 1) a[$1]=$2; next }
{ print (($1 in a)?a[$1]:$1, $2, $3, $4) }' File-2 File-1

对于调试像您这样的脚本，可以在不同的点添加print语句来查看脚本正在做什么。以下是我最后所做的，以找出你的脚本有什么问题。

# STILL BUGGY, DEBUGGING RUN
awk 'NR==FNR { print("a[" $1 "]=" $2); a[$1]=$2; next; }
{ print ($1 in a ? a[$1] : $1), $2, $3, $4, ($1 in a), a[$1], $1, ($1 in a ? "yes" : "no"), "end" }' File-2 File-1

Answer 2

$ awk '
    NR==FNR { if (NF>1) a[$1]=$2; next }
    $1 in a { $1=a[$1] }
1' file2 file1
Geneid Length s1 s2
1_1 6571 7 8
k0002 5041 3 0
1_3 1032 7 3
1_4 1212 3 5
k0006 1071 3 5
2_1 7171 2 7
2_2 1038 1 1
2_3 9361 0 6
k0528 1056 5 1

1. if (NF>1)有效地确保您只使用您需要的来自file2的值填充a[]，即那些有第二个字段的值，
2. $1 in a确保您只在file2中存在关联条目时才从file中更改$1。不要测试a[$1]==""或任何类似的东西，因为这将为file1中的每个$1填充a[]，因此耗尽内存并在最后增加执行a[]会导致打印当前(可能只是修改过的) file1行。

Answer 3

考虑到File-2不会是空的：

awk 'NR==FNR{a[$1]=$2;next}a[$1]!=""{$1=a[$1]}1' File-2 File-1
Geneid Length s1 s2
1_1 6571 7 8
k0002 5041 3 0
1_3 1032 7 3
1_4 1212 3 5
k0006 1071 3 5
2_1 7171 2 7
2_2 1038 1 1
2_3 9361 0 6
k0528 1056 5 1

如果它可以是空的，并且使用GNU awk，您可以用ARGIND==1或FILENAME=="File-2"替换NR==FNR。