☰

比较 2 个文件中的每第 n 行并保存（非对称）上下文

tag-icon • tag-icon text-processing awk sed diff file-comparison
比较 2 个文件中的每第 n 行并保存（非对称）上下文

我有 2 个文件，每个文件包含相同数量的 4 行记录，且顺序相同：

fileA:

record1 line1=header
record1 line2 X <= this is different but should be ignored
record1 line3 id ABC
record1 line4
record2 line1=header
record2 line2
record2 line3 id DEF <= this is different
record2 line4

fileB:

record1 line1=header
record1 line2 Y <= this is different but should be ignored
record1 line3 id ABC
record1 line4
record2 line1=header
record2 line2
record2 line3 id GHI <= this is different
record2 line4

对于每条记录，我想比较line3两个文件之间的情况，如果line3不同，则保存 fileB 的整个记录​​（第 1-4 行）；在上面的示例中，record1 将被忽略并保存 record2。我有基本知识，diff但不确定它是否可行。首先，我不知道如何只比较每第三行并忽略其他行；第二，-C定义对称的上下文，即差异之前和之后的行数相同......

UPD。最初，我在示例中犯了一个错误：记录之间有空行，而我的真实文件中没有该空行。我对此表示歉意。根据@stteldriver的回答，我有以下解决方案：

awk '
NR%4==3 {
lineA3=$0; 
getline lineB1 < "fileB"; 
getline lineB2 < "fileB"; 
getline lineB3 < "fileB"; 
getline lineB4 < "fileB";  
if (lineA3 != lineB3) {printf "%s\n%s\n%s\n%s\n", lineB1,lineB2,lineB3,lineB4;}
}' fileA

它工作完美！虽然代码相当丑陋（我才刚刚开始学习awk！），如果您能优化它，我将不胜感激。

答案1

对于更新的输入，严格基于 4 行记录，您可以使用模算术来维护当前记录的数组，并每隔 4 行检查第 3 行是否匹配：

$ awk '
    {a[FNR%4] = $0; getline b[FNR%4] < "fileB"} 
    !(FNR%4) && b[3] != a[3] {
      for(i=0;i<4;i++) print b[i%4]
    }
  ' fileA
record2 line1=header
record2 line2
record2 line3 id GHI <= this is different
record2 line4

（请注意，确实应该检查命令的返回值getline，并在失败时执行一些明智的操作）。

对于您最初发布的输入，您可以使用段落模式:

$ awk -vRS= -F'\n' '{A3 = $3}; getline "fileB" > -1 && $3 != A3' fileA
record2 line1=header
record2 line2
record2 line3 id DEF <= this is different
record2 line4

对于正常处理（来自 的输入）和（来自 的输入），空RS会导致读取整个空行分隔的记录。将字段分隔符设置为换行符 ( ) 然后允许我们保存其中的整行并与另一行进行比较。如果它们不相等，则默认打印输出（这是of 的整个记录​​）。fileAgetlinefileB\n$3$0getlinefileB

答案2

这是一个可以执行您想要的操作的 Python 脚本：

#!/usr/bin/env python3
# -*- encoding: utf-8 -*-
"""compare.py"""

import sys

file_A = open(sys.argv[1], "r")
file_B = open(sys.argv[2], "r")

records_A = file_A.read().split("\n\n")
records_B = file_B.read().split("\n\n")

for record_A, record_B in zip(records_A, records_B):
    lines_A = record_A.split("\n")
    lines_B = record_B.split("\n")
    if lines_A[2] != lines_B[2]:
        print("{}\n".format(record_B))

你可以像这样运行它：

python compare.py fileA fileB

当我在示例数据上运行它时，我得到了所需的输出：

record2 line1=header
record2 line2
record2 line3 id GHI <= this is different
record2 line4

相关内容