本文介绍如何通过 Bash 命令行工具（join + sed + 进程替换）高效合并两个制表符分隔文件，使第一文件的首列（如 a）与第二文件首列前缀（如 a_rna_1）自动对齐并横向拼接，无需临时文件或编程语言介入。
本文介绍如何通过 bash 命令行工具（`join` + `sed` + 进程替换）高效合并两个制表符分隔文件，使第一文件的首列（如 `a`）与第二文件首列前缀（如 `a_rna_1`）自动对齐并横向拼接，无需临时文件或编程语言介入。
在生物信息学或数据预处理场景中，常需将主样本表（如 sample_id\tval1\tval2\tval3）与对应衍生记录表（如 sample_id_rna_1\t...）按样本 ID 前缀进行关联合并。由于两文件键不完全相等（a vs a_rna_1），标准 join 无法直接使用——但借助 sed 提取前缀并构造对齐列，即可完美解决。
✅ 核心命令（一行搞定）
join <blockquote> <p>? <strong>说明</strong>： </p> <ul> <li> <li>sed 's/^\([^_]*\)_.*/\1\t&/'：匹配每行开头至第一个 _ 前的字符（即 a、b、c），将其提取为新首列，并用 \t 与原行拼接； </li> <li>& 表示原始整行，因此 a_rna_1 r r x → a<tab>a_rna_1 r r x； </tab> </li> <li>join 默认以第一列为键合并，自动保留左文件全部字段 + 右文件非键字段，且仅输出一次键值（符合预期格式）。</li> </ul> </blockquote><h3>? 示例执行效果</h3><p>假设 file1.tsv 和 file2.tsv 内容如下：</p><pre class="brush:php;toolbar:false;"># file1.tsv a 1 2 3 b 6 7 8 c 9 0 9 # file2.tsv a_rna_1 r r x a_rna_2 q q d a_rna_3 c c c b_rna_1 e e e c_rna_1 a a g
运行命令后输出：
a 1 2 3 a_rna_1 r r x a 1 2 3 a_rna_2 q q d a 1 2 3 a_rna_3 c c c b 6 7 8 b_rna_1 e e e c 9 0 9 c_rna_1 a a g
⚠️ 注意事项
- 必须排序：join 要求两输入按连接键严格升序排列，否则可能漏匹配；
- 字段分隔符：本例默认为制表符（join 默认分隔符），若文件用空格或其他符号，请加 -t $'\t' 显式指定；
- 重复键处理：若 file1.tsv 中某 key 出现多次（如两个 a 行），join 会与 file2.tsv 中所有匹配行做笛卡尔积——这正是示例所需行为；
- 无匹配项处理：默认只输出有匹配的行；如需保留 file1 中无匹配的行，添加 -a 1 参数；
- 编码与BOM：确保文件为 UTF-8 无 BOM，避免 sort 或 sed 解析异常。
? 替代方案简析
-
Python（Pandas）：适合复杂逻辑或后续分析，但小任务略重：
import pandas as pd df1 = pd.read_csv('file1.tsv', sep='\t', header=None, names=['id', 'v1', 'v2', 'v3']) df2 = pd.read_csv('file2.tsv', sep='\t', header=None, names=['key', 'x1', 'x2', 'x3']) df2['id'] = df2['key'].str.split('_').str[0] result = df1.merge(df2, on='id') result.to_csv('merged.tsv', sep='\t', index=False, header=False) - 纯 Bash 循环：可读性差、性能低，不推荐用于千行以上数据。
综上，join + sed 组合是轻量、高效、可复用的文本关联方案——掌握进程替换（
