AWK/BASH：如何将一个文件中的字段与另一个文件中的字段匹配？

Posted 2023-03-24

【中文标题】AWK/BASH：如何将一个文件中的字段与另一个文件中的字段匹配？

【英文标题】：AWK/BASH: how to match a field in one file from a field in another?

【发布时间】：2011-04-26 06:09:43

【问题描述】：

我有 2 个文件，第一个包含以下内容：

...
John Allen Smith II 16 555-555-5555 10/24/2010
John Allen Smith II 3 555-555-5555 10/24/2010
John Allen Smith II 17 555-555-5555 10/24/2010
John Doe 16 555-555-5555 10/24/2010
Jane Smith 16 555-555-5555 9/16/2010
Jane Smith 00 555-555-5555 10/24/2010
...

第二个文件是一个名称列表，所以...

...
John Allen Smith II
John Doe
Jane Smith
...

是否可以使用 awk（或其他 bash 命令）打印第一个文件中与第二个文件中的任何名称匹配的行（名称可以在第一个文件中重复）

奖金？有没有一种简单的方法可以删除第一个文件中那些重复/重复的行？

非常感谢，

托梅克

【问题讨论】：

如果有 2 行相等，则留下 1 行。这是您对“删除”重复行的定义吗？

【参考方案1】：

awk

#! /bin/bash
awk 'FNR==NR!a[$0]++;next  b[$0]++ 
END
  for(i in a)
    for(k in b)
      if (a[i]==1 && i ~ k )  print i 
    
  
' file1 file2

【参考方案2】：

扩展 codaddict 的答案：

grep -f file2 file1 | sort | uniq

这将删除完全相同的行，但副作用（可能是不需要的）是您的数据文件现在将被排序。 它还要求行完全相同相同，而您的示例数据并非如此。名称相同，但相同名称后的数据不同。 uniq 可以采用字段或字符计数选项，但这不适用于您的数据，因为您的名称具有可变长度和可变数量的字段。如果您知道您的数据字段始终是一行的最后 3 个字段，那么您可以这样做：

grep -f file2 file1 | sort | rev | uniq -f 3 | rev

您的输出将只是每个名称中的一个，但是是哪一个呢？按字典顺序排列最低的一个，因为它已排序（sort 需要uniq 才能正常工作）。如果您不想先对其进行排序，或者需要小心删除哪些行，那么 awk 或 perl 或 ruby​​ 或 python 解决方案可能最适合使用关联数组。

【讨论】：

是的，这正是我的问题。名称可以是可变长度的，名称后面的数据是不同的。我只是希望第一次出现 John Allen Smith II。我将使用 awk 研究一些关联数组。感谢您的信息。

【参考方案3】：

您可以将grep 用作：

grep -f file2 file1   # file2 is the file with the names.

grep 的-f 选项从文件中获取要搜索的模式。

要从输出中删除完全重复的行，您可以使用sort as：

grep -f file2 file1 | sort -u

【讨论】：

我尝试使用该命令但得到以下内容，“grep：不匹配[或[^”，然后我尝试使用-F强制但没有输出？此命令是否在一个搜索模式中使用所有 file2 来尝试匹配 file1？

我指定了错误的 -F 标志（我将 -f 替换为 -F），因此最终命令 grep -f file2 -F file1 有效。感谢您的帮助。

对于唯一的，我希望从 file1 中删除仅重复名称的行（其他列具有不同的数据）

如果有可能到处都是重复的行，则需要排序。

@ghostdog74 重复的行（名称）仅在同一位置出现在彼此之后，问题是行的其余部分（名称之后）可能不同。