awk:如何从查找文件中获取整个字符串

Question

这个问题与this question密切相关。

有许多tsv文件包含这样的分类元素：

doc1.tsv

<http://uri.gbv.de/terminology/bk/86.56> 
<http://uri.gbv.de/terminology/bk/58.28>

另外还有一个包含类名的查找表：

lookup.tsv

<http://uri.gbv.de/terminology/bk/44.38>        Pharmakologie
<http://uri.gbv.de/terminology/bk/44.43>        Medizinische Mikrobiologie
<http://uri.gbv.de/terminology/bk/58.28>        Pharmazeutische Technologie
<http://uri.gbv.de/terminology/bk/86.56>        Gesundheitsrecht. Lebensmittelrecht

Raman Sailopal已经给出了一个非常好的解决方案的提示如下：

awk 'FNR==NR{ urls[$1]=$2 } FNR!=NR { print $1"\t"urls[$1] }' lookup.tsv doc1.tsv >> result.tsv

不幸的是，该命令只将第一个字符串变为空白，但与"Gesundheitsrecht. Lebensmittelrecht“一样，整个文本也是必需的。还有什么要加的？

Answer 1

您可以在循环表中保存$0而不是$2，因为您似乎想要打印整行。

$ awk 'FNR==NR { urls[$1]=$0 } FNR!=NR { print urls[$1] }' lookup.tsv doc1.tsv
<http://uri.gbv.de/terminology/bk/86.56>        Gesundheitsrecht. Lebensmittelrecht
<http://uri.gbv.de/terminology/bk/58.28>        Pharmazeutische Technologie

Answer 2

第一解决方案:用yoru显示的示例，请您试着用GNU awk编写并测试以下内容。

awk '
FNR==NR{
  arr[$0]
  next
}
match($0,/<.*> +/){
  val=substr($0,RSTART,RLENGTH)
  sub(/ +$/,"",val)
}
(val in arr)
' doc1 lookup

第二个解决方案：只从doc2 Input_file尝试得到值，第一个解决方案将给出完整的行。

awk '
FNR==NR{
  arr[$0]
  next
}
match($0,/<.*> +/){
  val=substr($0,RSTART,RLENGTH)
  sub(/ +$/,"",val)
}
(val in arr){
  print substr($0,RSTART+RLENGTH)
}
' doc1 lookup

Answer 3

您可能会使用grep -f

$ grep -Fwf doc1.tsv lookup.tsv
<http://uri.gbv.de/terminology/bk/58.28>        Pharmazeutische Technologie
<http://uri.gbv.de/terminology/bk/86.56>        Gesundheitsrecht. Lebensmittelrecht

请注意，即使使用了-w，doc1.tsv中的行也将与lookup.tsv中的整行相匹配，而不是第一列。