regex - 使用ack或awk或比grep更好的方法从另一个文件中获取模式？

Question

有没有一种方法可以使用ack作为-f中的grep选项从另一个文件中的一个文件(模式列表)中获取模式？我看到-f中有一个ack选项，但它与-f中的grep不同。

也许举个例子会给你一个更好的主意。假设我有file1:

file1:
a
c
e

和file2:

file2:
a  1
b  2
c  3
d  4
e  5

我想从file2获取file1中的所有模式以给出:

a  1
c  3
e  5

ack可以这样做吗？否则，是否有更好的方法来处理这项工作(例如 awk或使用哈希)，因为我在两个文件中都有数百万条记录，并且确实需要一种有效的方法来完成？谢谢!

Answer 1

这是一个Perl内联代码，它使用散列来保存来自file1的有用键集，以进行遍历file2的每次迭代的O(1)(摊销时间)查找。因此它将在O(m + n)时间中运行，其中m是 key 集中的行数，而n是要测试的文件中的行数。
perl -ne'BEGIN{open K,shift@ARGV;chomp(@a=<K>);@hash{@a}=()}m/^(\p{alpha}+)\s/&&exists$hash{$1}&&print' tkeys file2
在对文件2逐行测试 key 时， key 集将保留在内存中。

这与使用Perl的-a命令行选项相同:
perl -ane'BEGIN{open G,shift@ARGV;chomp(@a=<G>);@h{@a}=();}exists$h{$F[0]}&&print' tkeys file2
第二个版本在眼睛上可能会更容易一些。 ;)

您在这里必须记住的一件事是，您受IO约束的可能性要比处理器约束的可能性大。因此，目标应该是最大程度地减少IO的使用。当整个查找关键字集保留在提供O(1)摊销式查找的哈希中。该解决方案相对于其他解决方案可能具有的优势是，对于文件2的每一行，某些(较慢的)解决方案将不得不遍历您的 key 文件(文件1)。这种解决方案将是O(m * n)，其中m是 key 文件的大小，n是file2的大小。另一方面，此哈希方法提供O(m + n)时间。那是一个很大的差异。它消除了对键集的线性搜索，从而受益匪浅，而仅通过IO一次读取键就进一步受益。