Bash文本处理

Question

我有三个文件：file1、file2和exl。file1和file2都有两列内容。第一列在两个文件中是相同的。

我希望使用该列加入两个文件的内容。使用join命令很容易。但是exl文件有一个问题:它包含一些单词，我希望join命令忽略/删除这些单词。

对于join，有什么方法可以做到吗?还是应该使用awk呢？

file1：

A la  
B lb  
C lc  
D something  

file2：

A ba  
B bb  
C another  
D bd  

exl：

something  
nothing  

预期结果：

A la ba  
B lb bb  
C lc  
D bd  

Answer 1

连接之后，可以使用sed删除exl中的单词。诀窍是首先将所有被排除的单词放在一个管道分隔的行中，这是awk可以提供帮助的。

EXCLUDE=`awk '{if(NR>1){printf("\\\|")}; printf(" %s", $1)}' exl`
join -1 1 file1 file2 | sed "s/$EXCLUDE//"

首先，用awk将所有排除的单词放在一行中，并将输出赋值为EXCLUDE (用转义管道分隔，sed需要)。然后简单地加入并替换所有的排除词。删除所有排除词)。

还可以跳过临时变量，并在一行中执行此操作：

join -1 1 file1 file2 | sed "s/`awk '{if(NR>1){printf("\\\|")}; printf(" %s", $1)}' exl`//"

Answer 2

gjoin -t $'\t' <(gjoin -t $'\t' -v 1 file1 exl) <(gjoin -t $'\t' -v 1 file2 exl)

(对于我的设置，安装了GNU的Mac，并带有选项卡分隔的值；根据您的情况更改。)

<(...)构造将命令的输出设置为外部命令行可以作为参数接受的虚拟文件。

-v 1参数对join的意思是：“打印第一个文件中无法连接的所有行”。

因此，gjoin -t $'\t' -v 1 file1 exl将尝试使用排除列表连接第一个文件，并且只打印那些不在排除列表中的文件。同样适用于file2。

然后，我们将这两个负连接的输出转化为真正的连接。