☰

Compare dois arquivos com base na chave, imprima a diferença de valor em outro arquivo no Bash Shell Script

tag-icon • tag-icon bash shell-script ksh
Compare dois arquivos com base na chave, imprima a diferença de valor em outro arquivo no Bash Shell Script

Preciso de ajuda no shell script, tenho 2 arquivos grandes com cerca de 1,2 GB de dados, com chave e valores, preciso comparar os dois arquivos com base na chave e armazenar a diferença no valor do terceiro arquivo e o único no arquivo 1,

arquivo 1:

test1 marco;polo;angus
test2 mike;zen;liza
test3 tom;harry;alan
test4 bob;june;janet

arquivo 2:

test1 polo;angus
test2 mike
test4 bob;janet

Gostaria de comparar as duas primeiras colunas do arquivo1 com o arquivo2 (pesquisar todo o conteúdo do arquivo2 nas duas primeiras colunas), se corresponderem, imprimir a diferença de valores. Em seguida, procure a segunda linha do arquivo 1 e assim por diante. Também as chaves exclusivas no arquivo 1 devem ser impressas.

Resultado esperado:

test1 marco
test2 zen;liza
test3 tom;harry;alan
test4 june

Os arquivos que tenho são enormes, contendo cerca de 100.000 linhas, então gostaria de agilizar a execução. Isso está sendo executado em shell script, usando, #!/usr/bin/env bash. por exemplo:

1332239_44557576_CONTI Lased & Micro kjd $353.50_30062020_lsdf3_no-rule 343323H;343434311H;454656556H;343343432H

É um arquivo de texto simples, com isto como chave ( 1332239_44557576_CONTI Lased & Micro kjd $353.50_30062020_lsdf3_no-rule) e estes como valores: ( 343323H;343434311H;454656556H;343343432H)

O arquivo 2 sempre será um subconjunto do arquivo 1, bastando encontrar valores (contra a chave) que não estão presentes no arquivo 2 e únicos no Arquivo 1.

Responder1

Usando script perl:

Supondo que você esteja pesquisandoarquivo2 baseado no arquivo1e não vice-versa. Se você quiser pesquisar o arquivo1 com base no arquivo2 também, você deveadicione outro loop forpara o dicionário file2(hash) .
Arquivos de dados:

$ cat file1.txt 
test1 marco;polo;angus
test2 mike;zen;liza
test3 tom;harry;alan
test4 bob;june;janet

$ cat file2.txt 
test1 polo;angus
test2 mike
test4 bob;janet

Roteiro :

#!/usr/bin/perl

use warnings;
use strict;

my $file1=$ARGV[0];
my $file2=$ARGV[1];
my %dict1;  #Stores file1 unique key and value pairs in this dictionary ( HASH in perl )
my %dict2;  #Stores file2 unique key and value pairs in this dictionary ( HASH in perl )
my %output;     #This is output dictionary after processing all the data to print it out

open(F1,'<',$file1) or die "File not found $file1";
open(F2,'<',$file2) or die "File not found $file2";

#Store both file's contents in %dict1 and %dict2 respectively 
while(<F1>)
{
    my ($key,$value) = split(/\s+/,$_);
    $dict1{$key} = $value;
}

while(<F2>)
{
    my ($key,$value) = split(/\s+/,$_);
    $dict2{$key} = $value;
}

#Get the unique(difference) value from file2 based in the values in file1

foreach my $k ( keys %dict1 )
{
    if ( defined $dict2{$k} )
    {
        my @dict1values=split(";",$dict1{$k});
        my @dict2values=split(";",$dict2{$k});
        foreach (@dict1values)
        {
            if (   $dict2{$k} !~ /[;]*?$_[;]*?/) {

                $output{$k} .=$_.";";

             }
        }
    } else { 
        $output{$k}=$dict1{$k};
    }
}

foreach my $ke (sort(keys(%output)))
{
    print "$ke $output{$ke}\n" if ( defined($output{$ke}) );
}

Saída :

$ ./testing.pl file1.txt file2.txt 
test1 marco;
test2 zen;liza;
test3 tom;harry;alan
test4 june;

Responder2

Aqui está umestranhoversão que deve ser muito rápida.

Funciona em qualquer coisa que siga o padrão de campo solicitado [string:key][space|";"][string][space|";"] etc.

$ cat file1;echo "";cat file2
test1 marco;polo;angus
test2 mike;zen;liza
test3 tom;harry;alan
test4 bob;june;janet

test1 polo;angus
test2 mike
test4 bob;janet            

$ awk -F '[ ;]' '
  NR==FNR{ for(i=2;i<=NF;i++){ k[$1,$i]++ } }
  NR!=FNR{ for(i=2;i<=NF;i++){ k[$1,$i]++ } }
  END{ for(i in k){
         if(k[i]==1){
           split(i,arr_i,SUBSEP); 
           k_e[arr_i[1]]=k_e[arr_i[1]]""arr_i[2]";"
         }
       }
       for(i in k_e){
         print i" "k_e[i]
       }
  }' file1 file2 | sort | sed 's/.$//'

test1 marco
test2 liza;zen
test3 harry;alan;tom
test4 june

informação relacionada