awk同时处理多个文件

Posted 2020-08-24 xyqing525

关于awk的多文件处理：

awk的数据输入有两个来源，标准输入和文件，后一种方式支持多个文件，如
1、shell的Pathname Expansion方式：awk ‘{...}‘ *.txt # *.txt先被shell解释，替换成当前目录下的所有*.txt，如当前目录有1.txt和   2.txt，则命令最终为awk ‘{...}‘ 1.txt 2.txt
2、直接指定多个文件： awk ‘{...}‘ a.txt b.txt c.txt ...
awk对多文件的处理流程是，依次读取各个文件内容，如上例，先读a.txt，再读b.txt....

那么，在多文件处理的时候，如何判断awk目前读的是哪个文件，而依次做对应的操作呢？
1、当awk读取的文件只有两个的时候，比较常用的有两种方法
一种是awk ‘NR==FNR{...}NR>FNR{...}‘ file1 file2 或awk ‘NR==FNR{...}NR!=FNR{...}‘ file1 file2
另一种是 awk ‘NR==FNR{...;next}{...}‘ file1 file2
了解了FNR和NR这两个awk内置变量的意义就很容易知道这两种方法是如何运作的

QUOTE:
FNR The input record number in the current input file. #已读入当前文件的记录数
NR The total number of input records seen so far. #已读入的总记录数
next Stop processing the current input record. The next input record is
read and processing starts over with the first pattern in the AWK
program. If the end of the input data is reached, the END block(s),
if any, are executed.

对于awk ‘NR==FNR{...}NR>FNR{...}‘ file1 file2
读入file1的时候，已读入file1的记录数FNR一定等于awk已读入的总记录数NR，因为file1是awk读入的首个文件，故读入file1时执行前一个命令块{...}
读入file2的时候，已读入的总记录数NR一定>读入file2的记录数FNR，故读入file2时执行后一个命令块{...}

对于awk ‘NR==FNR{...;next}{...}‘ file1 file2
读入file1时，满足NR==FNR，先执行前一个命令块，但因为其中有next命令，故后一个命令块{...}是不会执行的
读入file2时，不满足NR==FNR，前一个命令块{..}不会执行，只执行后一个命令块{...}

2、当awk处理的文件超过两个时，显然上面那种方法就不适用了。因为读第3个文件或以上时，也满足NR>FNR (NR!=FNR)，显然无法区分开来。
所以就要用到更通用的方法了：
1、ARGIND 当前被处理参数标志: awk ‘ARGIND==1{...}ARGIND==2{...}ARGIND==3{...}... ‘ file1 file2 file3 ...
2、ARGV 命令行参数数组: awk ‘FILENAME==ARGV[1]{...}FILENAME==ARGV[2]{...}FILENAME==ARGV[3]{...}...‘ file1 file2 file3 ...
3、把文件名直接加入判断: awk ‘FILENAME=="file1"{...}FILENAME=="file2"{...}FILENAME=="file3"{...}...‘ file1 file2 file3 ... #没有前两种通用

举例：

有两个文件a.txt 和 b.txt
a.txt中第一列和第二列数字都有重复，格式如下：
20000401 100000999
20000401 100002999
20000401 100007999
20000401 100013999
20100503 100000999
20100503 400002999
20100503 100007999
20100503 400013999

b.txt中第一列数字唯一，不重复，格式如下：
100000999 123
100002999 456
100007999 137
100013999 253
400002999 394
400013999 672

想要连接两个文件形成c.txt，形成的c.txt格式如下：
20000401 100000999 123
20000401 100002999 456
20000401 100007999 137
20000401 100013999 253
20100503 100000999 123
20100503 400002999 394
20100503 100007999 137
20100503 400013999 672

awk ‘NR==FNR{a[$1]=$2} NR>FNR{print $0,a[$2]}‘ b.txt a.txt
awk ‘NR==FNR{a[$1]=$2;next}{print $0,a[$2]}‘ b.txt a.txt

 

又有如下需求：

我有两个的档案：
 a.txt (内容很普通，就是正常文本)
 asaff
 adfg
 dgfjh
 djghalhg
 
b.txt （因为a中有些行是错的，所以修改了，格式为：行号+修改内容）
 2:asaffnew
 4:hgitsh
 
想根据 b 档案的行号替换 a.txt 的相关行，请问怎样处理？

awk -F: ‘NR==FNR{a[$1]=$2;next}FNR in a{print a[FNR];next}1‘ b.txt a.txt
awk -F: ‘NR==FNR{a[$1]=$2;next};FNR in a{$0=a[FNR]}1‘ b.txt a.txt

这个1有打印当前整行的意思。