☰

Unix - Awk - Combinando e mesclando dois arquivos em uma correspondência parcial (dentro da sequência de caracteres)

tag-icon • tag-icon text-processing awk
Unix - Awk - Combinando e mesclando dois arquivos em uma correspondência parcial (dentro da sequência de caracteres)

Tenho dois arquivos de texto: FileA.txt e FileB.txt.

Eles são delimitados por tabulações.
FileA.txt contém registros em nível de transação.
FileB.txt contém uma "tabela" de referência/pesquisa.

Gostaria de acrescentar colunas chamadas "Empresa" e "CATEGORIA" no ArquivoB.txt ao ArquivoA.txt, combinando o conteúdo de "Empresa" no ArquivoB.txt com "Descrição" no ArquivoA.txt.

Para esclarecer, a correspondência e a mesclagem devem basear-se na existência ou não do conteúdo de "Empresa" na sequência de caracteres contida na coluna chamada "Descrição" em FileA.txt .
Qualquer ajuda sobre isso seria apreciada.

ArquivoA.txt

Date    Description Amount
1/15/2016   1231 HAMBURGER #1234 Albany NY 24186166001200699400511  -22.54
3/3/2016    EASTERN FRUIT CO S1 Trenton NJ  -110.93
2/26/2016   GUMPS* PAPER INC. 999-123-4560 CA   -9.99
2/16/2016   EASY BURGERS SUPPLIES 01/31 #000741643 PURCHASE FOOD S TRENTON NJ   -10.97
2/19/2016   FRANKFURTER Stamford CT -14.18
2/5/2016    CHECKCARD 0141FRANK'S GROCERIES Albany NY 24071056031987159327565   -87.92
3/11/2016   WIRED PENCIL & PAPER Sacramento NJ  -72.16
3/18/2016   UNDERWATER MAIL SRVC 654321 800-1234567 DC  -65
1/31/2016   VOYAGER REAL ESTATE CO . 415 DES:LEASE PYMNT INDN:123 Main St. CO ID:XXXXX999 ACH   -126.65
1/18/2016   CARD 0101 US BASKETWEAVING ASSOC 123-456-7890 TX 54692166432112345  -265
4/18/2016   CARD ACH #89 UNDERWATER MAIL SRVC 654321 800-1234567 DC 6787654320  -250

ArquivoB.txt

Company CATEGORY
HAMBURGER   FOOD
FRANKFURTER FOOD
PAPER INC.  OFFICE
WIRED PENCIL & PAPER    OFFICE
FRANK'S GROCERIES   GROC
EASY BURGERS SUPPLIES   GROC
EASTERN FRUIT CO.   GROC
US BASKETWEAVING ASSOC  OFFICE
UNDERWATER MAIL SRVC    OFFICE
VOYAGER REAL ESTATE REAL ESTATE

Responder1

Implementação simples. Não tenho certeza se o awk é a melhor ferramenta.

  awk -F '\t' '
    BEGIN {
        while(getline < "fileB.txt")
           fileB[$1]=$0
    }

    {
      matched=""
      for (company in fileB) 
      {    
        if ( $2 ~  company ) 
        {
            matched=fileB[company]
            break
        }
      } 
      if (matched)
        print $0 "\t" matched
      else
        print 

    }' fileA.txt

Isso é para mostrar como começar, esse script pode ser melhorado. A correspondência só é confiável se a entrada estiver limpa, caso contrário não funcionará. cuidado com maiúsculas/minúsculas, palavras separadas por mais de um espaço, ... É possível que uma linha corresponda a mais de uma empresa, esse script não irá detectá-la, nesse caso você teria que substituir a quebra por um contador e teste após o loop.

informação relacionada