☰

合并两个文件中的匹配列，或使用默认值

tag-icon • tag-icon text-processing awk join
合并两个文件中的匹配列，或使用默认值

我正在尝试重写文件文本，主文件.txt变化自更改.txt。这主文件.txt文件是这样的：

word_1 genre_A
word_2 genre_A
word_3 genre_B
word_4 genre_C
word_5 genre_A

还有更改.txt是这样的：

genre_A root_A
genre_C root_C

我想更改其中的内容更改.txt在主文件.txt获得这样的东西：

word_1 root_A
word_2 root_A
word_3 genre_B
word_4 root_C
word_5 root_A

这些文件非常大，所以我需要一种自动方法。

我尝试加载所有变量更改.txt放在一个awk数组中，如果不同则打印相同的内容，如果相同则更改。像这样的东西：

NR==FNR{a[$1,$2]++;next}  $3==a[$1] {print $1,$2,a[$2]} $3!=a[$1] {print $1,$2,$3}

但我做错了什么。我也听说这可以通过命令来完成join，但我不习惯，所以解释一下每个部分会很有帮助。

谢谢大家。

答案1

您提到了该join命令，但在这种情况下使用它并不容易。至少它本身不是。

让我们尝试加入这两个文件。为此，首先需要在连接字段上对文件进行排序。我们将使用第一个文件中的第二个字段和join第二个文件中的第一个字段（这是 的默认值）：

$ sort -k2 -o main.txt main.txt
$ sort -k1 -o changes.txt changes.txt

然后我们进行连接：

$ join -1 2 main.txt changes.txt
genre_A word_1 root_A
genre_A word_2 root_A
genre_A word_5 root_A
genre_C word_4 root_C

我们漏掉了一行。再试一次并告诉jointo 也输出main.txt那些否则会被忽略的行（因为它们与 中的任何内容都不匹配changes.txt）：

$ join -1 2 -a 1 main.txt changes.txt
genre_A word_1 root_A
genre_A word_2 root_A
genre_A word_5 root_A
word_3 genre_B
genre_C word_4 root_C

请注意，我们不能要求join仅输出任一文件中的某些列，因为所需输出中的第二列包含两个文件中的数据的混合。

但是，通过上面的输出，我们可以使用一个简单的awk脚本提取最后两列（我真希望cut可以采用负字段规范来从右侧获取列！）：

$ join -1 2 -a 1 main.txt changes.txt | awk '{ print $(NF-1), $NF }'
word_1 root_A
word_2 root_A
word_5 root_A
word_3 genre_B
word_4 root_C

通过管道将其传送到sort进行排序：

$ join -1 2 -a 1 main.txt changes.txt | awk '{ print $(NF-1), $NF }' | sort
word_1 root_A
word_2 root_A
word_3 genre_B
word_4 root_C
word_5 root_A

答案2

awk命令：

awk 'NR==FNR {a[$1]=$2;next} {if ($2 in a) print $1,a[$2]; else print $1,$2}' changes.txt main.txt

输出：

word_1 root_A
word_2 root_A
word_3 genre_B
word_4 root_C
word_5 root_A

答案3

种类和加入（但不是awk） 方法：

sort -k2    main.txt >    main_sort.txt ; \
sort -k1 changes.txt > changes_sort.txt ; \
{ join      -i  -1 2 -2 1  -o 1.1 2.2  main_sort.txt changes_sort.txt ; \
  join -v 1 -i  -1 2 -2 1  -o 1.1 1.2  main_sort.txt changes_sort.txt ; } | \
  sort -g | column -t

输出：

word_1  root_A
word_2  root_A
word_3  genre_B
word_4  root_C
word_5  root_A

解释...

join需要两个带有排序字段的文件。由于每个文件都很大并且需要使用两次，因此提前对两个文件进行排序会更有效。假设所有文件都是标签划定的。

种类主文件.txt由第二名领域（流派），以及更改.txt由第一名字段（根）：

sort -k2    main.txt >    main_sort.txt
sort -k1 changes.txt > changes_sort.txt

第 1 遍，输出匹配的行：

join -i -1 2 -2 1 -o 1.1 2.2 main_sort.txt changes_sort.txt

输出 4 行，按根场地：

word_1 root_A
word_2 root_A
word_5 root_A
word_4 root_C

旗帜join​“-1 2 -2 1”告诉它加入这第一名文件的第二场到第二名文件的第一的场地。旗帜“-o 1.1 2.2”告诉它打印这第一名文件的第一的场到第二名文件的第二场地。

通过2，使用“-v 1”标志输出缺失的行第一的文件：

join -v 1 -i -1 2 -2 1  -o 1.1 1.2  main_sort.txt changes_sort.txt

输出：

word_3 genre_B

之后，将两者的输出组合起来，然后进行排序（参见答案顶部）。

相关内容