根據 2 個檔案的 2 列中的字串連接行

Question

我在 Linux 系統上有一個包含 3 列的 file1 和一個包含 4 列的 file2。如何根據 file1 第 3 列中的字串將兩個檔案連接到 file2 第 2 列中的字串？ File2 是一個包含許多條目的大型資料庫。 file1 和 file2 的第 3 列和第 2 列分別隻共用很少的字串。我想輸出 file1 和連接的 file2 行，以防字串匹配，並為不匹配的條目輸出破折號。

文件1：

300 100 a101
450 410 a400
670 710 a20
700 610 a340

文件2：

b30  a340 tttttttt 456
b500 a200 llllllll 567
b60  a101 uuuuuuuu 344
b40  a50  kkkkkkkk 223

輸出：

300 100 a101 b60 a101 uuuuuuuu 344
450 410 a400 -
670 710 a20  -
700 610 a340 b30 a340 tttttttt 456

Answer 1

使用 GNUawk和 GNU join，這是 Linux 上的標準（可能會或可能不會與非 GNU 版本一起使用）：

$ join -a1 -1 3 -2 2 <(sort -k3,3 file1) <(sort -k2,2 file2) | 
    awk '$4 == "" { $4 = "-" }; {t=$1; $1=$2; $2=$3; $3=t; print}' |
    sort
300 100 a101 b60 uuuuuuuu 344
450 410 a400 -
670 710 a20 -
700 610 a340 b30 tttttttt 456

這join指令分別在欄位 3 和 2 上連接 file1 和 file2。它用流程替代確保兩個文件都按各自的關鍵字段排序。-a 1使用該選項可以file1列印來自 的所有行，即使它們與來自 的行不符file2。

不幸的是，join將 file1 的關鍵欄位放在每個記錄的開頭。透過使用一個名為 $1 的值的臨時持有者的awk變數將欄位移回其原始順序來修復此問題。t如果檔案之間不匹配，awk 腳本也會在欄位 $4 中加入尾部破折號字元（因為join它本身不執行此操作）。

最後，對輸出進行排序。