python - 如何使用 grep 但没有 for 循环在 shell 脚本中执行以下任务？

Question

我有一个文件，比如 A.txt，它大约有 80,000 行，但有 2 个字段。示例行如下所示:

utt1 f 
utt2 f 
utt3 m 
utt4 f

我有第二个文件 B.txt，它的行数比 A.txt 多得多，并且有两个字段。示例行如下所示

utt1_1 somethingHere    
utt1_2 somethingElse    
utt2_1 someText    
utt2_2 somemore    
utt2_3 someMore    
utt3_1 someText    
utt4_1 somemore    
utt4_2 abcd    
utt4_3 aanan

B.txt 中的第一个字段与 A.txt 中的第一个字段基本相同，后跟_something(每行重复可变次数)。

我的任务是制作一个看起来像这样的文件

utt1_1 f    
utt1_2 f    
utt2_1 f    
utt2_2 f    
utt2_3 f    
utt3_1 m    
utt4_1 f    
utt4_2 f    
utt4_3 f

'f' 和 'm' 以性别开头。换句话说，我想做的是从 A.txt 中获取 utt 和性别信息，并为 B.txt 中的话语获取 grep，并用正确的性别映射第一个字段。我正在使用 while 循环执行此操作，如下所示:

while read utt gen; do
   grep $utt B.txt | awk -v gen=$gen '{print $1" "gen}'
done < A.txt

因为我在循环中执行此操作并且 A.txt 的长度很大，所以需要花费大量时间才能完成任务。你能建议我使用 bash 的更快方法吗？

谢谢

Answer 1

这是为 awk 2 文件处理量身定制的工作:

awk 'FNR == NR {a[$1] = $2; next} $1 in a {print $1 "_" $2, a[$1]}' file1 FS='[_ ]' file2
utt1_1 f
utt1_2 f
utt2_1 f
utt2_2 f
utt2_3 f
utt3_1 m
utt4_1 f
utt4_2 f
utt4_3 f

参数 file1 FS='[_ ]' file2 设置输入字段分隔符 _ 或仅用于 file2 的空格。

引用: Effective AWK Programming