Grep 或 awk 在 2 个大文件之间，其中 file1 是模式文件，file2 包含数据

Question

File1有固定长度的数字，每行一个数字：

1234
5678
1345

File2包含“key=value”格式的数据字段：

abc:def=1999,xyz=1234;
abc:def=5678,xyz=1234;
abc:def=1234,xyz=5678;

我需要获取字段与 中的任何数字匹配的那些File2行，但该字段在模式匹配时被忽略。所以，我的结果应该是这样的：defFile1xyz

abc:def=5678,xyz=1234;
abc:def=1234,xyz=5678;

Answer 1

我总是忘记大多数awk命令，这对我的老大脑来说太多了，所以我提供了一个sed替代方案

\n

sed \'/^[0-9]*$/H;G;/def=\\([0-9]*\\),.*\\n\\1/P;d\' file1 file2\n

\n

这个想法是收集保留空间中的数字file1并使用反向引用来识别 file2 中包含以下数字的那些行：def=

\n

\n
• 该模式^[0-9]*$匹配仅包含数字的行，这些行是file1行，我们将其附加到H旧空间
\n
• G将保留空间附加到模式空间，因此我们拥有模式空间中的file2行和所有数字file1
\n
• 该模式寻址在换行符之后重复/def=\\([0-9]*\\),.*\\n\\1后面的数字（反向引用）的所有行（因此它是保留空间集合的一部分）。打印那些没有附加内容的行def=\\1P
\n
• d抑制进一步的输出。你可以使用选项-n代替
\n

\n

更新：视觉解释

\n

正如埃德指出的那样，我的解释显然对每个人都没有帮助。如果您更像是一个“视觉思考者”，我将尝试说明其中的原理。请记住，这sed不是编程工具，而更像是一个自动文本编辑器，其保留空间作为“剪贴板”，而行被读入模式空间，在那里完成工作。

\n

现在我按照建议在H和G命令后显示两个空格：

\n

\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n \n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n

模式空间	保留空间	评论
1234	\xe2\x90\xa41234	附加H到（空）保留空间并嵌入换行符
1234\xe2\x90\xa4\xe2\x90\xa41234	\xe2\x90\xa41234	追加G回模式空间，添加另一个换行符
5678	\xe2\x90\xa4 1234\xe2\x90\xa45678	读取下一行时保留保留空间，因此下一行H会附加下一个数字
5678\xe2\x90\xa4\xe2\x90\xa4 1234\xe2\x90\xa45678	\xe2\x90\xa4 1234\xe2\x90\xa45678	再次追加回模式空间，但仍然与def=模式不匹配
		file1为了便于阅读，跳过第三行
abc:def=1999,xyz=1234;	\xe2\x90\xa4 1234\xe2\x90\xa45678	与模式不匹配^[0-9]*$，因此H不执行
abc:def=1999,xyz=1234;\xe2\x90\xa4\xe2\x90\xa4 1234\xe2\x90\xa45678	\xe2\x90\xa4 1234\xe2\x90\xa45678	但G被执行

\n

\n

P现在看看如何应用命令的地址模式（用作\\n换行符的占位符）：

\n

abc:def=1999,xyz=1234;\\n\\n1234\\n5678\n    def=####,         .*                 #### stands for `[0-9]*`, but the back reference\n                                         as `\\1` is not found: no match\n\nabc:def=5678,xyz=1234;\\n\\n1234\\n5678\n    def=####,         .*      \\n####     here, the match is repeated as `\\1`,so we know\n                                         the `def` number has been listed in `file1` \n

\n