这个带有两个文件的 AWK 关联数组是如何工作的？

Question

我写信要求解释这个简短的 AWK 命令的一些元素，我用它来打印 test-file_long.txt 中与输入 test-file_short.txt 中的字段匹配的字段。代码运行良好——我只想确切地知道程序在做什么，因为我对编程非常陌生，并且我希望能够在我的脚趾上思考我需要编写的未来命令。示例如下：

$ cat test-file_long.txt 
2 41647 41647 A G
2 45895 45895 A G
2 45953 45953 T C
2 224919 224919 A G
2 230055 230055 C G
2 233239 233239 A G
2 234130 234130 T G

$ cat test-file_short.txt 
2 41647 41647 A G
2 45895 45895 A G
2 FALSE 224919 A G
2 233239 233239 A G
2 234130 234130 T G

$ awk 'NR==FNR{a[$2];next}$2 in a{print $0,FNR}' test-file_short.txt test-file_long.txt 
2 41647 41647 A G 1
2 45895 45895 A G 2
2 233239 233239 A G 6
2 234130 234130 T G 7

这是一个非常简单的匹配问题，几周前我在这个网站上找到了命令。我的问题是 1) NR==FNR 到底是做什么的？我知道它分别代表记录数=当前输入文件的记录数，但是为什么代码要运行呢？当我从命令中删除它时，结果与paste test-file_long.txt test-file_short.txt 相同。 2) 对于$2 in a，AWK 会自动从文件 2 中读取字段 2 作为此处语法的一部分吗？ 3) 我只是想确认;next 只是意味着跳过所有其他块并转到下一行？所以换句话说，代码首先为每一行执行a[$2]，然后返回并为每一行执行其他块？当我删除;next 时，我仍然会得到过滤后的输出，但只会跟踪test-file_short.txt 的完整打印输出。

感谢所有输入，我的目标只是更好地了解 AWK 的工作原理，因为它对我目前的工作（处理大型基因组数据集）非常有用。

Answer 1

以下是与您的代码相关的一些信息：

• NR==FNR 仅对第一个文件有效。因为对于文件号 2，FNR 将再次从 1 开始，而NR 继续增加。

• $2 in a 只会对文件号 2 执行，这是由于第一条规则中的 next 语句。由于这条next 语句，对于文件号 1，将永远不会达到第二条规则。