Sta*_*off 9 awk shell-script text-processing columns join
我有两个文件，分别包含大约 12900 和 4400 个条目，我想加入。这些文件包含全球所有陆基气象观测站的位置信息。最大的文件每两周更新一次，较小的文件大约一年更新一次。原始文件可以在这里找到（http://www.wmo.int/pages/prog/www/ois/volume-a/vola-home.htm和 http://weather.rap.ucar.edu/surface/站.txt）。我已经使用一些混合的 awk、sed 和 bash 脚本操纵了我拥有的文件。我使用这些文件使用 GEMPAK 包来可视化数据，该包可从 Unidata 免费获得。最大的文件可以与 GEMPAK 一起使用，但不能发挥其全部功能。为此，需要加入。
文件 1 包含气象观测站的位置信息，其中前 6 位数字是唯一的站标识符。不同的参数（站号、站名、国家代码、纬度经度和站高程）仅由其在线路中的位置定义，即没有选项卡。
060090 AKRABERG FYR DN 6138 -666 101
060100 VAGA FLOGHAVN DN 6205 -728 88
060110 TORSHAVN DN 6201 -675 55
060120 KIRKJA DN 6231 -631 55
060130 KLAKSVIK HELIPORT DN 6221 -656 75
060160 HORNS REV A DN 5550 786 21
060170 HORNS REV B DN 5558 761 10
060190 SILSTRUP DN 5691 863 0
060210 HANSTHOLM DN 5711 858 0
060220 TYRA OEST DN 5571 480 43
060240 THISTED LUFTHAVN DN 5706 870 8
060290 GROENLANDSHAVNEN DN 5703 1005 0
060300 FLYVESTATION AALBORG DN 5708 985 13
060310 TYLSTRUP DN 5718 995 0
060320 STENHOEJ DN 5736 1033 56
060330 HIRTSHALS DN 5758 995 0
060340 SINDAL FLYVEPLADS DN 5750 1021 28
文件 2 包含文件 1 中的唯一标识符和第二个 4 个字符的标识符（ICAO 定位符）。
060100 EKVG
060220 EKGF
060240 EKTS
060300 EKYT
060340 EKSN
060480 EKHS
060540 EKHO
060600 EKKA
060620 EKSV
060660 EKVJ
060700 EKAH
060780 EKAT
我想加入这两个文件，以便生成的文件将在行的前 4 个位置具有 4 个字符的标识符，即标识符应替换 4 个空格。
060090 AKRABERG FYR DN 6138 -666 101
EKVG 060100 VAGA FLOGHAVN DN 6205 -728 88
060110 TORSHAVN DN 6201 -675 55
060120 KIRKJA DN 6231 -631 55
060130 KLAKSVIK HELIPORT DN 6221 -656 75
060160 HORNS REV A DN 5550 786 21
060170 HORNS REV B DN 5558 761 10
060190 SILSTRUP DN 5691 863 0
060210 HANSTHOLM DN 5711 858 0
EKGF 060220 TYRA OEST DN 5571 480 43
EKTS 060240 THISTED LUFTHAVN DN 5706 870 8
060290 GROENLANDSHAVNEN DN 5703 1005 0
EKYT 060300 FLYVESTATION AALBORG DN 5708 985 13
060310 TYLSTRUP DN 5718 995 0
060320 STENHOEJ DN 5736 1033 56
060330 HIRTSHALS DN 5758 995 0
EKSN 060340 SINDAL FLYVEPLADS DN 5750 1021 28
是否可以使用一些 bash 和/或 awk 脚本来完成此任务？
小智 8
awk 'BEGIN { while(getline < "file2" ) { codes[$1] = $2 } }
{ printf "%4s%s\n", codes[$1], substr($0, 5) }' file1
我们中的一些人想看看我们是否可以join只使用它来解决这个问题。这是我的尝试。因为它部分有效@Terdon 欠我一顿晚餐 8-)。
$ join -a1 -1 1 -2 1 -o 2.2 1.1 1.2 1.3 1.4 1.5 1.6 1.7 -e "N/A" \
<(sort file1) <(sort file2)
$ join -a1 -1 1 -2 1 -o 2.2 1.1 1.2 1.3 1.4 1.5 1.6 1.7 -e "N/A" <(sort file1) <(sort file2) | column -t
N/A 060090 AKRABERG FYR DN 6138 -666 101
EKVG 060100 VAGA FLOGHAVN DN 6205 -728 88
N/A 060110 TORSHAVN DN 6201 -675 55 N/A
N/A 060120 KIRKJA DN 6231 -631 55 N/A
N/A 060130 KLAKSVIK HELIPORT DN 6221 -656 75
N/A 060160 HORNS REV A DN 5550 786
N/A 060170 HORNS REV B DN 5558 761
N/A 060190 SILSTRUP DN 5691 863 0 N/A
N/A 060210 HANSTHOLM DN 5711 858 0 N/A
EKGF 060220 TYRA OEST DN 5571 480 43
EKTS 060240 THISTED LUFTHAVN DN 5706 870 8
N/A 060290 GROENLANDSHAVNEN DN 5703 1005 0 N/A
EKYT 060300 FLYVESTATION AALBORG DN 5708 985 13
N/A 060310 TYLSTRUP DN 5718 995 0 N/A
N/A 060320 STENHOEJ DN 5736 1033 56 N/A
N/A 060330 HIRTSHALS DN 5758 995 0 N/A
EKSN 060340 SINDAL FLYVEPLADS DN 5750 1021 28
以上是利用几乎所有可用的选项join，告诉我的直觉我们使用它是错误的，就像某种科学怪人的方式一样，但我们都在这里学习，所以没关系......我猜。
该开关-a1告诉 join 包含与 file1 中的 file2 没有相应匹配项的任何行。所以这就是促使这些行显示的原因：
N/A 060330 HIRTSHALS DN 5758 995 0 N/A
在-1 1和-2 1说的哪些列参加从2个文件中的线条，主要是他们的第一个列。该-o ...是说从2档栏目，其中以显示和。
的-e "N/A"说，使用字符串“N / A”作为占位符值来打印用于由视为空字段join。
最后 2 个参数用于提供 2 个文件，file1&file2已排序到 join 命令中。
请善待，因为这是一项正在进行的工作，我们正在尝试演示如何使用该join命令解决此类问题，因为这似乎是它所针对的问题类型。
第三栏
主要的问题是如何处理第 3 列，因为它是 1 个单词和 2 个单词值的混合。这似乎是一个主要的绊脚石join，我无法找到解决方法。任何指导将不胜感激。
间距
所有原始间距都丢失了join，我也看不到保留它的方法。因此join，毕竟可能不是处理这些类型问题的正确方法。
似乎工作吗？
在使用命令行进行多次弯曲之后，通用解决方案就在那里，因此看起来它至少可以部分工作，因此可以将其用于解决方案的核心，然后使用其他工具，例如awk和sed清理它. 不过，这引出了一个问题：“如果你用awk&sed任何方式清理它，那么你还不如直接使用它们？”。