☰

根据 2 个文件的 2 列中的字符串连接行

tag-icon • tag-icon text-processing join
根据 2 个文件的 2 列中的字符串连接行

我在 Linux 系统上有一个包含 3 列的 file1 和一个包含 4 列的 file2。如何根据 file1 第 3 列中的字符串将两个文件连接到 file2 第 2 列中的字符串？ File2 是一个包含许多条目的大型数据库。 file1 和 file2 的第 3 列和第 2 列分别仅共享很少的字符串。我想输出 file1 和连接的 file2 行，以防字符串匹配，并为不匹配的条目输出破折号。

文件1：

300 100 a101
450 410 a400
670 710 a20
700 610 a340

文件2：

b30  a340 tttttttt 456
b500 a200 llllllll 567
b60  a101 uuuuuuuu 344
b40  a50  kkkkkkkk 223

输出：

300 100 a101 b60 a101 uuuuuuuu 344
450 410 a400 -
670 710 a20  -
700 610 a340 b30 a340 tttttttt 456

答案1

使用 GNUawk和 GNU join，这是 Linux 上的标准（可能会或可能不会与非 GNU 版本一起使用）：

$ join -a1 -1 3 -2 2 <(sort -k3,3 file1) <(sort -k2,2 file2) | 
    awk '$4 == "" { $4 = "-" }; {t=$1; $1=$2; $2=$3; $3=t; print}' |
    sort
300 100 a101 b60 uuuuuuuu 344
450 410 a400 -
670 710 a20 -
700 610 a340 b30 tttttttt 456

该join命令分别在字段 3 和 2 上连接 file1 和 file2。它使用流程替代确保两个文件都按各自的关键字段排序。-a 1使用该选项可以file1打印来自 的所有行，即使它们与来自 的行不匹配file2。

不幸的是，join将 file1 的关键字段放在每个记录的开头。通过使用一个名为 $1 的值的临时持有者的awk变量将字段移回其原始顺序来修复此问题。t如果文件之间不匹配，awk 脚本还会在字段 $4 中添加尾部破折号字符（因为join它本身不执行此操作）。

最后，对输出进行排序。

相关内容