Unix 省略条目的Join语句

使用： Unix 2.6.18-194.el5

我遇到一个问题，这个join语句在匹配中忽略了值/索引。我发现这些值在11-90之间（大约350万个条目中），我试图寻找外来字符，但我可能忽略了一些东西（尝试使用cat-v查看隐藏字符）

以下是我正在使用的join语句（为了安全起见，仅简化了输出列）：

文件1内容（前20个值）：

一, 3. 7. 11 12 16 17 19 20 21 27 28 31 33 34 37 39 40 41 42

file2内容（前50个值，以便您可以查看其匹配位置）：

1 |美国 2 |美国 3 |美国 4 |美国 5 |美国 6 |美国 7 |美国 8 |美国 9 |美国 10 |美国 11 |美国 12 |美国 13 |美国 14 |美国 15 |美国 16 |美国 17 |美国 18 |美国 19 |美国 20 |美国 21 |美国 22 |美国 23 |美国 24 |美国 25 |美国 26 |美国 27 |美国 28 |美国 29 |美国 30 |美国 31 |美国 32 |美国 33 |美国 34 |美国 35 |美国 36 |美国 37 |美国 38 |美国 39 |美国 40 |美国 41 |美国 42 |美国 43 |美国 44 |美国 45 |美国 46 |美国 47 |美国 48 |美国 49 |美国 50 |美国

从我最初的测试来看，file2似乎是罪魁祸首。因为当我创建一个值为1-100的新文件时，我能够使join语句与file1完全匹配；但是，同一文件与文件2不匹配

另一件奇怪的事情是，该文件有350万条记录，值为90时，它们又开始匹配。例如，FileJoin的输出如下所示（仅前20个值）：

1 | 1 3|3 7|7 90|90 91|91 92|92 93|93 95|95 96|96 97|97 98|98 99|99 106|106 109|109 111|111 112|112 115|115 116|116 117|117 118 | 118

我尝试过的其他事情包括：

使用vi手动输入新行11（在join语句中仍然不匹配）

将代码复制到记事本中，删除vi中的行，然后将它们复制回记事本中（相同的结果，没有匹配的11-90）

拆下管路11-90，查看问题是否转移到90-170，并且没有转移

我认为可能有一些隐藏值我遗漏了，或者file1中的11-90与file2中的11-90不是相同的二进制等价物

---

我在这里迷路了，任何帮助都将不胜感激。

我尝试过这个，我注意到了一些事情

第一：这是次要的，但我认为您的

-o

说明符中缺少了一个逗号。我把它改为

-o1.1,2.1

但是，在你发布的片段上运行它，我只得到了三行输出：

1|1
3|3
7|7

我认为这是因为join假设按字母顺序排序，而您的输入文件看起来是按数字排序的

join（1）的规则#1是确保您的输入被排序，就像join期望的那样

当我通过sort运行两个输入文件，然后再次合并时，我得到了18行输出。（排序很容易，因为您加入了第一列；我不必到处乱搞排序的列说明符。）

---

请注意，由于区域设置问题，现在的排序并不总是按照您期望的方式进行排序。我倾向于设置LC_ALL=C，以确保获得我习惯的老式行为。

您是否使用sort-g对列进行排序？@fullern14:不，普通排序。join总是假定默认排序（不是数字排序或其他任何排序），因此一般来说，您也必须以这种方式对输入进行排序；但是，它仍然不会匹配第一个数据集“file1”中的所有值，这仍然是潜在的问题。文件1中列出的所有数字（总共20个）实际上都在第一列的文件2中，理论上它们都应该匹配。是否对两个文件进行排序？是的，两个文件都在排序。但即使在你的跑步中，如果你只找到18个值，你也会少出2个记录，对吗？对我来说，这是一个非常奇怪的现象，因为另一个数据集作为旁注运行得很好，我可以使用：grep-f file1New file2获取所有提取的值，其中file1New具有所有相同的值，但前面是一个^，最后是一个|。例如：^1 | ^3 | ^7 | ^11 |但是，在我正在运行此操作的大型文件上运行此操作将花费永远的时间

1|1
3|3
7|7