根据可能不完整的键合并文件

Question

我想合并两个文件，例如如何根据两列的匹配合并两个文件？但一个文件可能无法包含所有结果。例如

文件1

1 dog
2 cat
3 fox
4 cow

文件2

1 woof
2 meow
4 mooh

想要的输出

1 dog woof
2 cat meow
3 fox
4 cow mooh

Answer 1

使用 GNU awk 处理数组的数组：

$ awk '{a[$1][(NR>FNR)]=$2} END{for (i in a) print i, a[i][0], a[i][1]}' file{1,2}
1 dog woof
2 cat meow
3 fox
4 cow mooh

或使用任何 awk：

$ awk '{keys[$1]; a[$1,(NR>FNR)]=$2} END{for (i in keys) print i, a[i,0], a[i,1]}' file{1,2}
1 dog woof
2 cat meow
3 fox
4 cow mooh

尽管上面的输出按第一个字段的数字升序排列，但这只是运气/巧合 - 输出行的顺序实际上是由“in”运算符提供的“随机”（通常是哈希顺序）。如果您关心的话，将输出通过管道传输到sort -k1,1n（或PROCINFO["sorted_in"]="@ind_num_asc"在 GNU awk 中的 END 部分的开头设置）。

该解决方案与解决方案之间的显着区别join在于：

1. 即使输入未排序，而join需要在关键字段上对输入进行排序，这也将起作用，并且，
2. 如果 file2 中有一行的键不存在于 file1 中（反之亦然），这将以某种方式显示它，以便您可以知道该唯一行来自哪个文件（与添加到命令不同-a2）join。

这里有一些更全面的示例输入/输出用于测试：

$ head file{1,2}
==> file1 <==
1 dog
2 cat
4 cow
5 bear

==> file2 <==
1 woof
2 meow
3 growl
4 mooh

然后我们可以运行上面的 awk 脚本来获得相同的输出：

$ awk '{a[$1][(NR>FNR)]=$2} END{for (i in a) print i, a[i][0], a[i][1]}' file{1,2}
1 dog woof
2 cat meow
3  growl
4 cow mooh
5 bear

并注意3 growl前面有一个额外的空白growl，因此您知道这是 file2 中的唯一行，而不是使用join：

$ join -a1 -a2 file1 file2
1 dog woof
2 cat meow
3 growl
4 cow mooh
5 bear

您无法区分 file1 中的唯一行（例如5 bear）和 file2 中的唯一行（例如3 growl）。

Answer 2

假设 file1 和 file2 都已排序，join默认情况下只会连接两个文件都有其密钥的行。因此，在您的情况下，file2 没有键为“3”的行，因此该行未加入。但是，您可以更改此行为。

在以下的手册页中join：

   -a FILENUM
          also print unpairable lines from file FILENUM, where FILENUM is 1 or 2, corresponding to FILE1 or FILE2

因此，如果您将-a1标志添加到join命令中，则 file1 中任何在 file2 中没有匹配键的行也将被打印。

# join -a1 file1 file2
1 dog woof
2 cat meow
3 fox
4 cow mooh

请注意，这不会处理 file2 中不可配对的行，因此如果在 file2 中您还有另一行，例如：

5 quack

该行不会被打印。您还可以在命令中添加-a2标志join，该标志将打印 file2 中的行，但这只会增加一些混乱，因为您不知道该行是来自 file1 还是来自 file2。