☰

Сравнить два файла по ключу, вывести разницу в значении в другой файл в скрипте оболочки Bash

tag-icon • tag-icon bash shell-script ksh
Сравнить два файла по ключу, вывести разницу в значении в другой файл в скрипте оболочки Bash

Нужна помощь по скрипту оболочки, у меня есть 2 больших файла данных объемом около 1,2 ГБ с ключом и значениями, мне нужно сравнить оба файла на основе ключа и сохранить разницу в значении в третьем файле и уникальном значении в файле 1,

файл 1:

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

файл 2:

test1 polo;angus
test2 mike
test4 bob;janet

Я хотел бы сравнить первые два столбца файла file1 с file2 (поиск по всему содержимому file2 в первых двух столбцах), если они совпадают, вывести разницу значений. Затем выполнить поиск второй строки файла file 1 и т. д. Также должны быть выведены ключи, уникальные в файле file 1.

Ожидаемый результат:

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

Файлы у меня огромные, содержат около 100 000 строк, поэтому я хотел бы ускорить выполнение. Это выполняется в скрипте оболочки, например #!/usr/bin/env bash. :

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

Это простой текстовый файл, в котором это является ключом ( 1332239_44557576_CONTI Lased & Micro kjd $353.50_30062020_lsdf3_no-rule), а это — значениями: ( 343323H;343434311H;454656556H;343343432H)

Файл 2 всегда будет подмножеством файла 1, нужно просто найти значения (по ключу), которых нет в файле 2, и уникальные значения в файле 1.

решение1

Использование скрипта Perl:

Предполагается, что вы ищетефайл2 на основе файла1и не наоборот. Если вы хотите искать file1 на основе file2, то вам нужнодобавить еще один цикл forдля file2 dictionary(hash) .
Файлы данных:

$ 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

Сценарий:

#!/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}) );
}

Выход :

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

решение2

Вотawkверсия, которая должна быть очень быстрой.

Работает со всем, что соответствует запрошенному шаблону поля [string:key][space|";"][string][space|";"] и т. д.

$ 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

Связанный контент