从索引文件中查找不完全匹配的匹配项并打印最后一个字段

Question

我有一个大文件（~6mill 行），有 2 列，如下所示：

1111.aaaaabbb.b.cccc.c  ValueA
2222.dddddeee.e.ffff.f  ValueB
3333.gggghhhh.h.iiii.i  ValueC

我想在搜索这个单列文件时使用它作为索引：

aaaaabbb.b  
dddddeee.e  
gggghhhh.h  

并返回：

ValueA
ValueB
ValueC
[...]
Valuen

正如您所看到的，我只关心第一个句点之后的值，只要第二个文件的内容与第一个文件的内容完全匹配（不精确），我希望它返回第一个文件中第 2 列的值文件。我不关心第一个文件内容的前缀/后缀，只要文件 2 的确切内容匹配即可。

有什么方法awk或任何bash工具可以做到这一点吗？目前，我正在尝试在 Excel（数据到列工具）中正确格式化数据，但这需要很长很长的时间，因为我有超过 600 万行，所以我必须手动执行 6 个文件，然后将结果编译在一起。

编辑关于file1内容：前缀始终是数字，但长度从 4 到 7 位不等。第一个句点之后的内容是字母数字，长度从 4 到 15 个字符不等，可以以数字或字母开头，后缀也可以是数字/字母。

Answer 1

我假设带有索引的文件不是太大，它可以完全加载到内存中。如果是，您可以使用这个awk：

awk -F"[. ]" 'FNR==NR{a[$0]=1} FNR!=NR&&a[$2"."$3]{print $NF}' index_file huge_file

---

• awk使用两个文件调用：index_file包含要搜索的内容和huge_file问题中的许多行。
• -F"[. ]"将 awks 分隔符设置为空格和点。
• FNR==NR仅适用于index_file
  • a[$0]=1使用搜索模式作为索引填充数组a并将值设置为1，即构建了数组。
• FNR!=NR仅适用于huge_file.
• a[$2"."$3]如果通过点连接的字段 2 和字段 3 的数组索引存在（当找到模式时）...
  • print $NF打印文件的最后一个字段。

---

输出：

ValueA
ValueB
ValueC