☰

ksh88 AIX 根据一列中的部分字符串匹配合并两个文件

tag-icon • tag-icon awk ksh aix printf
ksh88 AIX 根据一列中的部分字符串匹配合并两个文件

在 AIX 机器上使用 ksh88，我尝试了很多方法，但最终都不起作用。

File_A有 2 列没有标题：在第 1 列中创建目录的用户组，以及在第 2 列中的完整文件路径，例如：

Userwh0c4r35     /fake/file/path/directory_name
User1234567      /another/file/path/different_dir
User0987654      /some/other/path/another_name

File_B有 2 列，没有标题：第 1 列中的目录大小（以 MB 为单位），第 2 列中的目录的部分路径名，例如：

2183.31     directory_name
1750.09     directory_name/subfolder
1028.14     directory_name/subfolder/sub_subfolder
3658.97     different_dir
2159.62     different_dir/subfolder
1001.01     different_dir/different_subfolder

ETC。

问题是File_B(ie, directory_name, directory_name/subfolder, directory_name/subfolder/sub_subfolder, ...)中有重复的目录名称

我想要的是，在一个文件中，这个输出（老实说，我不关心列的顺序，只是它们都存在）：

Userwh0c4r35     /fake/file/path/directory_name     2183.31
User1234567      /another/file/path/different_dir   3658.97

这看起来很简单，但我一直无法弄清楚。我能得到的最接近的是从找到部分匹配的两个文件中获取用户组、完整路径名和行号，但我无法获取目录大小（来自 的第 1 列File_B）...

我已经确定的代码让我如此接近但还没有完全实现（从SO和各种在线教程中拼凑而成）是：

awk '
NR==FNR {
    a[$2]=$1
    next
}
{
    for(i in a) 
        if($2 ~ i) 
            {print $2,a[$2],$1} 
}' file_B file_A

它会生成一个列表，其中每一行都有重复项，File_A其中第 2 列 fromFile_A与第 2 列 from 部分匹配File_B，例如：

Userwh0c4r35     /fake/file/path/directory_name
Userwh0c4r35     /fake/file/path/directory_name
Userwh0c4r35     /fake/file/path/directory_name

directory_name（ 、 、directory_name/subfolder和各一个directory_name/subfolder/sub_subfolder）

我已经尝试了print我能想到的一切，但无济于事......NR,FNR,i,$0,a[$NR],a[$FNR],a[$1],a[$2],$1,$2我也尝试过使用，printf但也没有用......

答案1

您想要的本质上是两个数据库表的联接。方便的是，有一个命令可以实现这一点，恰当地命名为join.

这里不需要awk。请注意，我既没有 AIX ksh88，也没有 AIX；这是 Linux 上的 Bash，但我很快检查了AIX手册并认为它应该有效。

我准备了这个测试环境：

$ cat filea
Userwh0c4r35     /fake/file/path/directory_name5
Userwh0c4r36     /fake/file/path/directory_name6
Userwh0c4r37     /fake/file/path/directory_name7
$ cat fileb
1234    directory_name5
2345    directory_name6
3456    directory_name7

步骤1：添加一列filea仅包含目录路径名的最后一部分：

$ sed 's|\(.*\)/\(.*\)|\1/\2 \2|' filea > filea.tmp
$ cat filea.tmp
Userwh0c4r35     /fake/file/path/directory_name5 directory_name5
Userwh0c4r36     /fake/file/path/directory_name6  directory_name6
Userwh0c4r37     /fake/file/path/directory_name7  directory_name7

第2步：按目录名称对两个文件进行排序（感谢 Mark Plotnick 指出这一点）：

$ sort -k3 filea.tmp > filea.tojoin
$ sort -k2 fileb > fileb.tojoin

步骤3：根据第 3 列 ( ) 和第 2 列 ( )中的目录名称，使用join与 进行连接：filebfileafileb

$ join -1 3 -2 2 filea.tojoin fileb.tojoin > result
$ cat result
directory_name5 Userwh0c4r35 /fake/file/path/directory_name5 1234
directory_name6 Userwh0c4r36 /fake/file/path/directory_name6  2345
directory_name7 Userwh0c4r37 /fake/file/path/directory_name7  3456

可选步骤 4：cut如果您不想要的话，A 将删除第一列。

答案2

目前尚不清楚您要做什么，并且您的示例输入/输出当前对于测试没有用，但这是一个猜测：

$ cat tst.awk
BEGIN { OFS="\t" }
{
    val = $1                                    # val = Userwh0c4r35 or 2183.31
    sub(/^[^[:space:]]+[[:space:]]+/,"")        # Allows spaces in directory names vs using $2
    dir = $0                                    # dir = /fake/file/path/directory_name or directory_name/subfolder
}
NR==FNR {
    sub(".*/","",dir)                           # dir = directory_name
    dir2path[dir] = $0
    dir2grp[dir]  = val
    next
}
{
    sub("/.*","",dir)                           # dir = directory_name
    print dir2grp[dir], dir2path[dir], val
}


$ awk -f tst.awk File_A File_B
Userwh0c4r35    /fake/file/path/directory_name  2183.31
Userwh0c4r35    /fake/file/path/directory_name  12345
Userwh0c4r35    /fake/file/path/directory_name  9876

上面假设相同的内容directory_name不能出现在 File_A 中不同路径的末尾（例如/foo/directory_name和/bar/directory_name），并且在这些输入文件上运行：

$ head File_*
==> File_A <==
Userwh0c4r35     /fake/file/path/directory_name

==> File_B <==
2183.31     directory_name
12345       directory_name/subfolder
9876        directory_name/subfolder/sub_subfolder

如果您的目录名称可以包含制表符，那么您需要使用不同的输出格式。如果它们可以包含换行符，那么您也需要不同的输入格式。

相关内容