基于一列Awk合并两个文件

我正在尝试合并两个以制表符分隔的文件-它们的长度不等。 我需要根据第1列合并文件，并从每个文件的第3列中获取新文件的值。如果任何文件缺少任何id（不常见值），则应在新文件中获得一个空值-

File1: 
id1 2199 082
id2 0909 20909
id3 8002 8030
id4 28080 80828

File2:

id1 988 00808
id2 808 80808
id4 8080 2525
id6 838 3800

Merged file :

id1 082 00808
id2 20909 80808
id3 8030  
id4 80828 2525
id6   3800

我浏览了很多论坛和帖子，到目前为止，我有这个

awk -F\t 'NR==FNR{A[$1]=$1; B[$1]=$1; next} {$2=A[$1]; $3=B[$1]}1'

但它并没有产生正确的结果，请任何人提出建议。非常感谢

$ awk -F'\t' 'NR==FNR{A[$1]=$3; next} {A[$1]; B[$1]=$3} END{for (id in A) print id,A[id],B[id]}' OFS='\t' File1 File2 | sort
id1     082     00808
id2     20909   80808
id3     8030
id4     80828   2525
id6             3800

工作原理 此脚本使用两个变量。对于文件1中的每一行，关联数组

A

都有一个键，对应于第三个字段的id和值。对于文件2中的每个id，

A

也有一个键（但不一定是值）。对于文件2，数组

B

对每个id都有一个键，该键具有第三列中的相应值

• -F'\t'

  这会将输入时的字段分隔符设置为选项卡。请注意，必须引用

  \t

  ，以保护它不受外壳的影响

• NR==FNR{A[$1]=3；next}

  这将为第一个文件设置关联数组

  A

• A[$1]；B[$1]=$3

  这将为第二个文件设置关联数组。它还确保数组

  A

  对文件2中的每个id都有一个键

• END{for（A中的id）打印id，A[id]，B[id]}

  这会打印出结果

• OFS='\t'
  这会将输出字段分隔符设置为选项卡

• 排序

  数组中键的awk构造
  不保证以任何特定顺序返回键。我们使用

  sort

  在id中将输出按升序排序

---

假设没有重复的ID，您可以尝试（Bash用于

-F$'\t'

）：

设置输出字段分隔符。对于第一个文件中的行，捕获由列1索引的数组

A

中第一个文件的字段3。对于第二个（或后续）文件中的行，如果在

A

中找到ID列，则打印三列；否则，请在

a

中打印一个空白项以代替缺少的条目。使用后删除

A

中的条目。最后，剩余的任何行都会打印为空白，以显示第二个文件中缺少的条目

对于给定数据，输出示例如下：

id1     082     00808
id2     20909   80808
id4     80828   2525
id6             3800
id3     8030

---

显然，如果您希望以特定的方式对数据进行排序，可以使用

sort

命令对

awk

命令进行后期筛选（这意味着将

awk

的输出通过管道输送到

sort

）。

另一个类似的

awk

$ awk -v OFS='\t' 'NR==FNR{a[$1]=$3; next} 
                          {$2=$3; $3=a[$1]; delete a[$1]} 1;   
                       END{for(k in a) print k,"",a[k]} ' file2 file1

id1     082     00808
id2     20909   80808
id3     8030
id4     80828   2525
id6             3800

---

首先使用文件2匹配给定的输出，但不能保证顺序，如果您的键具有自然顺序，则可以按它们进行排序。

使用GNU awk for

排序

：

$ cat tst.awk
BEGIN { FS=OFS="\t" }
{ a[$1] = (NR>FNR ? a[$1] OFS : "") $3 }
END {
    PROCINFO["sorted_in"] = "@ind_str_asc"
    for (k in a) {
        print k, a[k]
    }
}

$ awk -f tst.awk file1 file2
id1     082     00808
id2     20909   80808
id3     8030
id4     80828   2525
id6             3800

---

对于其他awk，只需通过管道将输出传输到

排序

无需

$'\t'

使其特定于bash，在本例中，awk会根据需要扩展

'\t'

。谢谢Jonathan，我不需要按排序顺序显示结果，因此也可以正常工作！非常感谢约翰！它工作得非常完美，您的解释真的有助于理解如何修改命令。非常感谢karakfa。现在我有两个awk选项可供学习！请注意，在这里说“谢谢”的首选方式是投票选出好的问题和有帮助的答案，并接受对你提出的任何问题最有帮助的答案（这也会给你的声誉带来一点提升）。请参阅本页，以及

$ cat tst.awk
BEGIN { FS=OFS="\t" }
{ a[$1] = (NR>FNR ? a[$1] OFS : "") $3 }
END {
    PROCINFO["sorted_in"] = "@ind_str_asc"
    for (k in a) {
        print k, a[k]
    }
}

$ awk -f tst.awk file1 file2
id1     082     00808
id2     20909   80808
id3     8030
id4     80828   2525
id6             3800