使用awk比较shell脚本中两个制表符分隔的文件

Question

我已经编写了这段代码，但我面临着下面提到的问题。

我的代码是：

paste 1.txt   2.txt|
awk ' { FS = "\t " } ; NR == 1 { n = NF/2 }
              {for(i=1;i<=n;i++)
                 if($i!=$(i+n))
                   {c = c s i; s = "," }
               if(c)
                 {print "Line No. " NR-1 " COLUMN NO " c;
                  c = "" ; s = "" } } '

预期输出：

Line No. 2 COLUMN NO 2,3
Line No. 4 COLUMN NO 1,2,3,4
Line No. 6 COLUMN NO 2,3,4,5
Line No. 7 COLUMN NO 1,2,3,4,5

正在生成的输出：

Line No. 2 COLUMN NO 2,3
Line No. 4 COLUMN NO 1,2,3,4
Line No. 6 COLUMN NO 2,3,4,5
Line No. 7 COLUMN NO 1,2,3,4

下面指定的文件是空格分隔的。为了更好地理解它，我以这种方式对其进行了格式化。

文件1：

ID_ID   First_name  Last_name Address                      Contact_Number
ID1     John        Rock      32, Park Lake, California    2222200000
ID2     Tommy       Hill      5322 Otter Lane Middleberge  3333300000
ID3     Leonardo    Test      Half-Way Pond, Georgetown    4444400000
ID8     Rhyan       Bigsh     6762,33 Ave N,St. Petersburg 5555500000
ID50    Steve       Goldberg  6762,33 Ave N,St. Petersburg 6666600000
ID60    Steve       Goldberg                               6666600000

文件2：

ID_ID   First_name  Last_name   Address                      Contact_Number
ID1     John        Rock        32, Park Lake, California    2222200000
ID2     Tommy1      Hill1       5322 Otter Lane Middleberge  3333300000
ID3     Leonardo    Test        Half-Way Pond, Georgetown    4444400000
ID80    Sylvester   Stallone                                 5555500000
ID50    Steve       Goldberg    6762,33 Ave N,St. Petersburg 6666600000
ID60    Mark        Waugh       St. Petersburg               7777700000
ID70    John        Smith                                    8888800000

Answer 1

这是一个提示。输出：

paste 1.txt 2.txt | awk '
{ FS = "\t" }
NR == 1 { n = NF/2 } {
  for(i=1;i<=n;i++) print "\"" $i "\" " ($i == $(i+n) ? "==":"!=") " \"" $(i+n) "\""
  print "###############"
}'

它比较并打印文件之间每条记录中的每个字段，结尾为：

"ID60" == "ID60"
"Steve" != "Mark"
"Goldberg" != "Waugh"
"" != "St. Petersburg"
"6666600000" != "7777700000"
###############
"" != "8888800000"
"ID70" != ""
"John" != ""
"Smith" != ""
"" == ""
###############

有两个错误：

1. 如果一行仅存在于第二个文件中，则存在隐藏的相差一错误。这是因为缺失的记录只有一个字段，即由 所添加的选项卡之前的空字符串paste。因此，在本例中，您实际上是按照 5、1、2、3、4 的顺序比较字段。

2. 两个文件中这一行的字段 4 都是空的（尽管方式不同），所以我期望输出：

   Line No. 7 COLUMN NO 1,2,3,5

为了获得您想要的确切输出，下面的粗略修复将报告如果一行仅存在于一个文件中，则所有字段都不匹配。NF == n+1这可以通过添加到 中来检测到if，因为无论是哪个文件，都应该仅存在n+1而不是2*n仅存在于一个文件中的行的字段。

paste 1.txt 2.txt | awk '
{ FS = "\t" }
NR == 1 { n = NF/2 } {
  for(i=1;i<=n;i++) if(NF == n+1 || $i!=$(i+n)) {c = c s i; s = "," }
  if(c){print "Line No. " NR-1 " COLUMN NO " c; c = "" ; s = "" }
}'

这假设所有记录都包含正确数量的选项卡n-1。