将查找文件中的信息写入另一个文件

Question

有一个包含以下内容的文件目录：

doc1.tsv

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

doc2.tsv

<http://uri.gbv.de/terminology/bk/44.43> 
<http://uri.gbv.de/terminology/bk/58.28> 
<http://uri.gbv.de/terminology/bk/44.38>

此外，还有一个查找文件vocab.tsv，其中包含与数字编码相关的类名：

<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

(分隔符应该是制表符，但可以是未定义的。)

如何使用它们各自的类名来扩展上述文件？

结果应该如下所示：

doc1.tsv

<http://uri.gbv.de/terminology/bk/86.56>        Gesundheitsrecht. Lebensmittelrecht 
<http://uri.gbv.de/terminology/bk/58.28>        Pharmazeutische Technologie

doc2.tsv

<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/44.38>        Pharmakologie

到目前为止不优雅的方法：

for tsv in *.tsv ; do

    while IFS='' read -r LINE || [ -n "${LINE}" ]; do
        
        newLine=$(grep "${LINE}" vocab.tsv)

        sed -i 's/${LINE}/$newLine/g' $tsv
    done < $tsv

done

但结果完全是胡说八道：

<http://uri.gbv.de/terminology/bk/<http://uri.gbv.de/terminology/bk/44.43> > 
<http://uri.gbv.de/terminology/bk/<http://uri.gbv.de/terminology/bk/58.28> > 
<http://uri.gbv.de/terminology/bk/<http://uri.gbv.de/terminology/bk/44.38> > 
<http://uri.gbv.de/terminology/bk/44.43> 
<http://uri.gbv.de/terminology/bk/58.28> 
<http://uri.gbv.de/terminology/bk/44.38>

对于初学者: grep命令在bash上运行得很好，它在脚本中运行时会删除类名。

有什么想法吗？

Answer 1

awk -F "\t" 'FNR==NR{ urls[$1]=$2 } FNR!=NR { print $1"\t"urls[$1] }' lookupfile doc1.tsv

使用awk和tab作为字段分隔符，遍历lookupfile first (FNR==NR)创建一个名为urls的数组，其中url作为索引，name作为值。然后浏览第二个文件。打印第一个制表符分隔的字段以及相应urls数组条目中的值。

Answer 2

Raman Sailopal给出了部分答案

awk 'FNR==NR{ urls[$1]=$2 } FNR!=NR { print $1"\t"urls[$1] }' vocab.tsv oc1.tsv

为了对目录中的所有文件执行此操作：

for tsv in *.tsv ; do

    tsv2=${tsv%.tsv}.tsv2

    awk 'FNR==NR{ urls[$1]=$2 } FNR!=NR { print $1"\t"urls[$1] }' vocab.tsv $tsv >> $tsv2

done

当然，如果不使用.tsv2，它会更优雅。