如何使用 awk 进行 vlookup？

Question

我有一个文件，其字段为ID、Designation、ParentID和ParentDesignation。文件内容如下。

A1  M.D-Sales    0    UmbrellaCorp
a1  Sr.Sales    A1
b1  Sr.R&D      B1
b2  Jr.SR&D     B1
a2  Jr.Sales    A1
B1  M.D-R&D      0    UmbrellaCorp

我想为那些缺少第四列的行获取ParentDesignation，这基本上意味着：

• 读取每一行
• 从第三列获取ParentID
• 将其与第一列中的值匹配
• 将其插入到该孩子面前的第四列 4 中。

结果将是以下一个。

A1  M.D-Sales    0  UmbrellaCorp
a1  Sr.Sales    A1  M.D-Sales
b1  Sr.R&D      B1  M.D-R&D
b2  Jr.SR&D     B1  M.D-R&D
a2  Jr.Sales    A1  M.D-Sales
B1  M.D-R&D      0  UmbrellaCorp

我知道如何在 Excel 中使用 完成相同的任务vlookup，但我需要使用脚本。

Answer 1

最终答案在下面给出了更多评论并更新了有问题的示例输入/输出：

我会首先对数据进行排序，因此填充缺失值的行为比在 awk 中执行 2-pass 方法更有效并且使用更少的内存，并且最终输出的组织比输入的可读性要好得多：

$ cat tst.sh
#!/usr/bin/env bash

awk '
    BEGIN { FS=OFS="\t" }
    { print (NR>1), ($4=="" ? $3 : $1), $4, $1, NR, $0 }
' "${@:--}" |
sort -t$'\t' -k1,1n -k2,2 -k3,3r -k4,4 -k5,5n |
cut -f6- |
awk '
    BEGIN { FS=OFS="\t" }
    $4 != "" { d = $2 }
    $4 == "" { $4 = d }
    { print }
'

$ ./tst.sh file | column -s$'\t' -t
ID  Designation  ParentID  ParentDesignation
A1  M.D-Sales    0         UmbrellaCorp
a1  Sr.Sales     A1        M.D-Sales
a2  Jr.Sales     A1        M.D-Sales
B1  M.D-R&D      0         UmbrellaCorp
b1  Sr.R&D       B1        M.D-R&D
b2  Jr.SR&D      B1        M.D-R&D

对 awk 的第一次调用只是修饰输入，以便它可以按以下方式排序：

1. (NR>1) = header-or-not 0-or-1 指示符，以确保排序后标题行保持在最前面，
2. ($4=="" ? $3 : $1) = 每行的 ID 或 ParentID 将相关行组合在一起
3. $4 = ParentDesignation，所以我们可以对它进行排序，使得具有 ParentDesignation 的行排在那些不具有相同 ID/ParentID 的行之前，
4. $1 = ID，这样我们就可以按孩子的 ID 按字母顺序对孩子进行排序，
5. NR = 所以如果其他所有东西都是通用的，我们可以按照它们在输入中出现的顺序打印这些行（在这种情况下可能没有必要，因为每个 ID 似乎都是唯一的，但对于其他类似情况是一种很好的做法）。

然后我们只是sort通过上面的字段，然后cut在传递给最终awk脚本以实际进行$4填充之前使用删除装饰。

如果您不确定其中任何一个步骤的作用，只需一次将每个步骤更改|为| cat; exit一个，然后您就会看到每个步骤发生了什么。

上一个答案：

鉴于下面的评论，这可能是您想要的，假设父项（如果存在）始终出现在您的数据中的子项之前：

$ cat tst.awk
BEGIN { FS=OFS="\t" }
$4 != "" {
    id2des[$1] = $2
}
$4 == "" {
    $4 = id2des[$3]
}
{ print }

$ awk -f tst.awk file
ID      Designation     ParentID        ParentDesignation
A1      M.D-Sales       0       UmbrellaCorp
a1      Sr.Sales        A1      M.D-Sales
a2      Jr.Sales        A1      M.D-Sales
B1      M.D-R&D 0       UmbrellaCorp
b1      Sr.R&D  B1      M.D-R&D
b2      Jr.SR&D B1      M.D-R&D

原答案：

您的问题实际上似乎比您指定的更简单，因为您似乎有一个包含所有信息的父行，后跟缺少 $4 的子行，在这种情况下，您不需要查找任何内容，您只需要：

$ awk 'BEGIN{FS=OFS="\t"} $4!=""{d=$2} $4==""{$4=d} 1' file
ID      Designation     ParentID        ParentDesignation
A1      M.D-Sales       0       UmbrellaCorp
a1      Sr.Sales        A1      M.D-Sales
a2      Jr.Sales        A1      M.D-Sales
B1      M.D-R&D 0       UmbrellaCorp
b1      Sr.R&D  B1      M.D-R&D
b2      Jr.SR&D B1      M.D-R&D

$ awk 'BEGIN{FS=OFS="\t"} $4!=""{d=$2} $4==""{$4=d} 1' file | column -s$'\t' -t
ID  Designation  ParentID  ParentDesignation
A1  M.D-Sales    0         UmbrellaCorp
a1  Sr.Sales     A1        M.D-Sales
a2  Jr.Sales     A1        M.D-Sales
B1  M.D-R&D      0         UmbrellaCorp
b1  Sr.R&D       B1        M.D-R&D
b2  Jr.SR&D      B1        M.D-R&D