python - 根据键从表中获取所需数据

Question

我在文件中有一个数据集，由三列(IP地址、端口、域名)组成，如下所示:

172.56.146.16 61981 r5---sn-uhvcpax0n5-x5ue.googlevideo.com
172.56.146.13 64576 r2---sn-uhvcpax0n5-x5ue.googlevideo.com
172.56.146.46 56483 ssl.gstatic.com
172.56.146.14 57054 r3---sn-uhvcpax0n5-x5ue.googlevideo.com
172.56.146.14 58157 r3---sn-uhvcpax0n5-x5ue.googlevideo.com
172.56.146.18 62666 ssl.gstatic.com
172.56.146.15 55682 r4---sn-uhvcpax0n5-x5ue.googlevideo.com
172.56.146.16 52234 r5---sn-uhvcpax0n5-x5ue.googlevideo.com
172.56.146.59 57106 ssl.gstatic.com
172.56.146.18 58897 ssl.gstatic.com
172.56.146.16 52258 r5---sn-uhvcpax0n5-x5ue.googlevideo.com
172.56.146.15 55694 r4---sn-uhvcpax0n5-x5ue.googlevideo.com
172.56.146.32 64281 ssl.gstatic.com
172.56.146.39 60581 ssl.gstatic.com
172.56.146.13 57137 r2---sn-uhvcpax0n5-x5ue.googlevideo.com
172.56.146.14 64763 r3---sn-uhvcpax0n5-x5ue.googlevideo.com
172.56.146.13 57135 r2---sn-uhvcpax0n5-x5ue.googlevideo.com
172.56.146.15 51318 r4---sn-uhvcpax0n5-x5ue.googlevideo.com

我还在文件中设置了一个 key ，仅由 IP 地址和端口组成:

172.56.146.15 49333
172.56.146.16 52233
172.56.146.46 56483
172.56.146.14 58928
172.56.146.16 61981
172.56.146.13 64576
172.56.146.14 58157
172.56.146.18 62666
172.56.146.15 55682
172.56.146.14 57054

现在我想一一考虑键集中的所有行，将其作为我的数据集的输入，作为返回，我应该能够从数据集中获取每个键的域名(IP 地址和端口取自 key 集)。

例如，对于 172.56.146.15 49333，我可以得到结果“找不到域”，对于 172.56.146.46 56483，我应该得到结果 ssl.gstatic.com 等等。谁能告诉我如何使用 shell 命令或脚本来做到这一点，以便生成的输出如下(与键集中的键一一对应):

domain not found
ssl.gstatic.com
r5---sn-uhvcpax0n5-x5ue.googlevideo.com

Answer 1

两种解决方案，都是将数据文件读入一个数组，然后在 key 文件中查找每一行的数组值。

1. “纯”Bash(仅内置):

   #!/bin/bash
   
   # Declare associative array
   declare -A datafile
   
   # Read data file into associative array
   while read -r ip_addr port domain; do
       datafile["$ip_addr $port"]="$domain"
   done < "$1"
   
   # Look up value for each key from key file in array
   while IFS= read -r key; do
       # Use parameter expansion to print "not found" if key is not in array
       printf "%s\n" "${datafile[$key]:-domain not found}"
   done < "$2"
   

   调用如下:

   ./SO.sh data keys
   

   其中 SO.sh 是脚本文件的名称，data 是数据文件，keys 是包含 key 的文件。

2. 错误:

   #!/usr/bin/awk -f
   
   # Process first file, read into array
   NR == FNR {
       datafile[$1, $2] = $3
       next
   }
   
   # Look up value for key
   {
       if (datafile[$1, $2] == "")
           print "domain not found"
       else
           print datafile[$1, $2]
   }
   

   这样调用，假设存储在SO.awk中，如下:

   ./SO.awk data keys
   

对于大型文件，awk 解决方案会快几个数量级。