Unix 基于第一列合并两个文件并保持顺序

如何基于第一列连接两个文件并保留第二个文件的顺序

文件1：

ID1 123
ID2 234
ID3 232
ID4 344
ID5 345
ID6 867

文件2

ID2 A C
ID3 G T
ID1 C T
ID4 A C
...

因此，合并的文件应如下所示：

ID2 234 A C 
ID3 232 G T 
ID1 123 C T 
ID4 344 A C 
...

id

是第一列的值（出现在两个文件中）。文件1的行/ID比文件2多。

---

文件2中的所有

ID

s都在文件1中，但并非文件1中的所有

ID

s都在文件2中

您逐行读取这两个文件，并通过正则表达式提取行标记。提取的令牌存储在关联数组中，使用第一个令牌作为密钥。在第二步中，您可以循环遍历所有可用的键，并从数组中存储的值构造输出行

php中的示例实现，仅供演示。因此，不会进行错误检查，而且可能必须根据您的需要调整模式。显然，在所有其他语言中都可以做到这一点。我选择php是因为它很容易阅读：

<?php
$input_file[1]=fopen('/path/input1.list','r');
$input_file[2]=fopen('/path/input2.list','r');

# read input files line by line
foreach ($input_file as $input){
    while (!feof($input)){
        $tokens=array();
        preg_match('/^(ID[0-9]+) (.+)$/',trim(fread($input)),$tokens);
        $list[$i][$tokens[1]]=$tokens[2];
   } 
}

# construct output lines:
$output_file=fopen('/path/output.list','w');
foreach ($list[1] as $key=>$val){
    $line=sprintf("%s %s%s\n", $key, $val, 
                  array_key_exists($key,$list[2])?' '.$list[2][$key]:'' );
    fwrite($output_file,$line);
}

# some house keeping
fclose($input_file[1]);
fclose($input_file[2]);
fclose($output_file);

?>

---

（请注意，我没有检查这个，我只是写下了这个。它是一个起点，还没有准备好使用）

这里有一种使用

awk

的方法：

awk 'FNR==NR { a[$1]=$2; next } $1 in a { print $1, a[$1], $2, $3 }' file1 file2

结果:

ID2 234 A C
ID3 232 G T
ID1 123 C T
ID4 344 A C

---

使用

连接

：

$ join file1.txt file2.txt

ID1 123 C T
ID2 234 A C
ID3 232 G T
ID4 344 A C

注意：首先需要对文件进行排序，这不会保持file2.txt的顺序，但如果您不在意的话，这是最干净的方式

先对文件进行预排序：

sortfile1.txt-o file1.txt；排序file2.txt-o file2.txt

执行连接：

joinfile1.txt file2.txt

---

通常，您可以

join file1.txt file.txt | sort

并根据某些条件进行排序，但在这种情况下，

file2.txt

不会按任何列/条件进行排序

+1条漂亮的单行线。但是，如果文件1太大，请注意内存消耗。的可能重复