在对文件进行两种方式比较时,我遇到了一些挫折。
- 文件1
bill telephone address_1 address_2 address_3 city postal_code
- 文件2
Bill Bill_ID Telephone Address_1 Address_2 city Postal_Code
我正在尝试填充两个文件中唯一的值。所以我的预期结果应该是这样的:
+-----------+---------+
| File1 | File2 |
+-----------+---------+
| | Bill_ID |
| address_3 | |
+-----------+---------+
我试图实现它的事情:
sdiff
首先按字典顺序对其进行排序,但它产生了所有列。或者
sdiff -Wais File1.txt File2.txt | awk '{print $1}' | sort -u
但我需要通过反转文件来运行它两次。
comm
但有这个错误comm -23 < (sort File1.txt) <(sort File2.txt) bash: syntax error near unexpected token '('
diff
但输出似乎不正确。diff File_1 File_2 | grep '^>' | cut -c 3-
在所有这些情况下,我面临的问题只是比较。我还无法继续填充正确的表。
答案1
您可以使用join
文本的小写版本作为连接键:
$ preprocess() { awk -v OFS='\t' '{print tolower($0), $0}' | sort -t $'\t' -k1,1; }
$ join -t $'\t' -o1.2,2.2 -v1 -v2 <(preprocess < file1) <(preprocess < file2)
address_3
Bill_ID
答案2
假设,就像在您发布的示例输入中一样,同一个单词不会在两个输入文件中多次出现,然后在每个 Unix 机器上的任何 shell 中使用任何 awk:
$ cat tst.awk
BEGIN {
OFS="\t"
print ARGV[1], ARGV[2]
}
{ lc = tolower($1) }
NR==FNR {
file1[lc] = $1
next
}
lc in file1 {
delete file1[lc]
next
}
{
print "", $1
}
END {
for (lc in file1) {
print file1[lc], ""
}
}
$ awk -f tst.awk file1 file2
file1 file2
Bill_ID
address_3
答案3
尝试这个awk。开箱即用,可处理任意数量的文件。
旁注:请小心space输入数据中单词末尾的 s。
$ awk '{ str=tolower($0); a[str]++; aa[str]=$0; b[str]=b[str]" "FILENAME }
END{ for(i in a){ if(a[i]==1){ print aa[i],b[i] } } }' file1 file2
address_3 file1
Bill_ID file2
如果您想要类似表格的输出,请在前者中添加一个格式化 awk。结果已准备好复制粘贴到 Excel 等中。当然,字符串中的TABs 和,会弄乱格式。
$ awk '{ str=tolower($0); a[str]++; aa[str]=$0; b[str]=b[str]","FILENAME }
END{ for(i in a){ if(a[i]==1){ print aa[i]b[i] } } }' file1 file2 |
awk -F ',' '{ nm_a[$NF]++; a[$NF,nm_a[$NF]]=$1 }
END{ for(i in nm_a){ printf "%s\t",i; if(max<nm_a[i]){ max=nm_a[i] } };
print ""; for(j=1;j<=max;j++){ for(i in nm_a){ printf "%s\t",a[i,j] }
print "" } }'
file2 file1
Bill_ID address_3