linux - AWK 比较两个单独文件中的两列

Question

我想比较两个文件并执行如下操作:如果第一个文件中的第 5 列等于第二个文件中的第 5 列，我想打印第一个文件中的整行。那可能吗？我搜索了这个问题，但找不到解决方案:(

文件由制表符分隔，我尝试过这样的操作:

zcat file1.txt.gz file2.txt.gz | awk -F'\t' 'NR==FNR{a[$5];next}$5 in a {print $0}'

有没有人试过做类似的事情？ :)

在此先感谢您的帮助!

Answer 1

您的脚本没问题，但您需要将每个文件单独提供给 awk 并以相反的顺序提供。

$ cat file1.txt
a b c d 100
x y z w 200
p q r s 300
1 2 3 4 400

$ cat file2.txt
. . . . 200
. . . . 400

$ awk 'NR==FNR{a[$5];next} $5 in a {print $0}' file2.txt file1.txt
x y z w 200
1 2 3 4 400

编辑:

正如评论中所指出的，上面的通用解决方案可以改进并适应 OP 从压缩的制表符分隔文件开始的情况:

$ awk -F'\t' 'NR==FNR{a[$5];next} $5 in a' <(zcat file2.txt) <(zcat file1.txt)
x y z w 200
1 2 3 4 400

解释:

NR是当前正在处理的记录的编号，FNR是编号当前记录在其文件中。因此 NR == FNR 只是当 awk 正在处理给它的第一个文件(在我们的例子中是 file2.txt)时为真。

a[$5] 将第 5 列的值作为索引添加到数组 a 中。 awk 中的数组是关联数组，但通常您并不关心关联一个值，而只想制作一个漂亮的东西集合。这是一个收集我们在第 5 列中看到的所有值的简洁方法第一个文件。接下来的 next 语句表示立即获取下一个可用记录，而无需查看 awk 程序中的任何语句。

总结以上内容，这一行表示“如果您正在读取第一个文件 (file2.txt)，将第 5 列的值保存在名为 a 的数组中，然后继续记录没有继续 awk 程序的其余部分。”

NR == FNR { a[$5]; next }

希望上面的内容很清楚，我们可以通过第一行的唯一方法awk 程序是如果我们正在读取第二个文件(在我们的例子中是 file1.txt)。

$5 in a 如果第 5 列的值作为索引出现在 a 中，则计算结果为 truea 数组。换句话说，file1.txt 中第 5 个记录的每条记录都为真我们在 file2.txt 的第 5 列中看到的列。

在 awk 中，当模式部分计算为真时，伴随的 Action 是调用。当没有给出 Action 时，如下所示，触发默认 Action 相反，这是简单地打印当前记录。因此，只要说$5 in a，我们告诉 awk 打印 file1.txt 中的所有记录，其第 5 个列也出现在 file2.txt 中，这当然是给定的要求。

$5 in a