☰

使用 awk 比较 shell 脚本中两个制表符分隔的文件

tag-icon • tag-icon command-line scripts text-processing
使用 awk 比较 shell 脚本中两个制表符分隔的文件

我已经编写了这段代码，但是我面临如下提到的问题。

我的代码是：

paste 1.txt   2.txt|
awk ' { FS = "\t " } ; NR == 1 { n = NF/2 }
              {for(i=1;i<=n;i++)
                 if($i!=$(i+n))
                   {c = c s i; s = "," }
               if(c)
                 {print "Line No. " NR-1 " COLUMN NO " c;
                  c = "" ; s = "" } } '

预期输出：

Line No. 2 COLUMN NO 2,3
Line No. 4 COLUMN NO 1,2,3,4
Line No. 6 COLUMN NO 2,3,4,5
Line No. 7 COLUMN NO 1,2,3,4,5

正在生成的输出：

Line No. 2 COLUMN NO 2,3
Line No. 4 COLUMN NO 1,2,3,4
Line No. 6 COLUMN NO 2,3,4,5
Line No. 7 COLUMN NO 1,2,3,4

下面指定的文件以空格分隔。为了更好地理解它，我将其格式化如下。

文件1：

ID_ID   First_name  Last_name Address                      Contact_Number
ID1     John        Rock      32, Park Lake, California    2222200000
ID2     Tommy       Hill      5322 Otter Lane Middleberge  3333300000
ID3     Leonardo    Test      Half-Way Pond, Georgetown    4444400000
ID8     Rhyan       Bigsh     6762,33 Ave N,St. Petersburg 5555500000
ID50    Steve       Goldberg  6762,33 Ave N,St. Petersburg 6666600000
ID60    Steve       Goldberg                               6666600000

文件2：

ID_ID   First_name  Last_name   Address                      Contact_Number
ID1     John        Rock        32, Park Lake, California    2222200000
ID2     Tommy1      Hill1       5322 Otter Lane Middleberge  3333300000
ID3     Leonardo    Test        Half-Way Pond, Georgetown    4444400000
ID80    Sylvester   Stallone                                 5555500000
ID50    Steve       Goldberg    6762,33 Ave N,St. Petersburg 6666600000
ID60    Mark        Waugh       St. Petersburg               7777700000
ID70    John        Smith                                    8888800000

答案1

这里有个提示。输出：

paste 1.txt 2.txt | awk '
{ FS = "\t" }
NR == 1 { n = NF/2 } {
  for(i=1;i<=n;i++) print "\"" $i "\" " ($i == $(i+n) ? "==":"!=") " \"" $(i+n) "\""
  print "###############"
}'

比较并打印文件之间每条记录的每个字段，结尾如下：

"ID60" == "ID60"
"Steve" != "Mark"
"Goldberg" != "Waugh"
"" != "St. Petersburg"
"6666600000" != "7777700000"
###############
"" != "8888800000"
"ID70" != ""
"John" != ""
"Smith" != ""
"" == ""
###############

有两个错误：

  1. 如果一行只存在于第二个文件中，则会出现隐藏的差一错误。这是因为缺少一条记录一字段，在通过 添加的制表符之前有一个空字符串paste。因此，在这种情况下，您实际上是按 5,1,2,3,4 的顺序比较字段。

  2. 两个文件中此行的字段 4 都是空的（尽管方式不同），因此我期望输出：

    Line No. 7 COLUMN NO 1,2,3,5

为了获得您想要的准确输出，下面的粗略修复将报告如果一行仅存在于一个文件中，则所有字段均不匹配。这可以通过NF == n+1添加到 来检测if，因为对于仅存在于一个文件中的行，应该只有n+1和2*n字段，无论该文件是哪个文件。

paste 1.txt 2.txt | awk '
{ FS = "\t" }
NR == 1 { n = NF/2 } {
  for(i=1;i<=n;i++) if(NF == n+1 || $i!=$(i+n)) {c = c s i; s = "," }
  if(c){print "Line No. " NR-1 " COLUMN NO " c; c = "" ; s = "" }
}'

这假设所有记录都包含正确数量的标签n-1。

相关内容