按第一列匹配 2 个文件，输出文件 1 的第 2 列和文件 2 的第 2 列和第 3 列

Question

我有 2 个文件。

文件 1 的数据如下：

def!:abcabc:abc123
sdf!:skdfkd:asd432
jkl!:kalsfs:kak323

文件 2 的数据如下：

def!:hi123
fjs!:aaaaa123
bab!:kfksfksasdf123

输出应该是：

abcabc:abc123:hi123

我编写了以下单行代码，但我使用的是 2 个数组：

awk -F ':' -v OFS=':' 'FNR==NR{a[$1] = $0;f[$1] = $2;next} ($1 in a) {print $2,$3,f[$1]}' file2 file1 > output

请解释一下简化版的工作原理。

问候，

安德鲁·史密斯

Answer 1

如果您对使用 GNU sort 和 GNU join 而不是 awk 的解决方案感到满意，您可以这样做：

join -t: -o 1.2,1.3,2.2 <( sort -t: file1 ) <( sort -t: file2 )

这假定file1 和file2 没有排序，因此使用sort。

• 选项-t用于设置join和sort的分隔符
• join的选项-o选择哪个文件的哪些部分用于输出，join的信息页面（info join）有更多信息

Answer 2

想想a[] 在您的脚本中的用途：

awk -F ':' -v OFS=':' 'FNR==NR{a[$1] = $0;f[$1] = $2;next} ($1 in a) {print $2,$3,f[$1]}' file2 file1 > output

您将$0 保存在a[$1] 中，因此您将第一个文件的全部内容存储在内存中，但是您永远不会对存储在a[] 中的$0 值进行任何操作。你对a[] 所做的只是测试$1 是否在其中（$1 in a），但每次你做a[$1]=$0 你也做f[$1]=$2 所以任何时候$1 in a 是真的，$1 in f 也必须是true 并且那是您在 print 语句中实际使用的内容的数组。所以你可以摆脱a[]，然后做：

awk -F ':' -v OFS=':' 'FNR==NR{f[$1] = $2;next} ($1 in f) {print $2,$3,f[$1]}' file2 file1 > output

它会完全按照您的原始脚本工作。您不需要 $1 in f 周围的括号，并且每当您需要 2 个变量（例如 FS 和 OFS）具有相同的值时，最好将它们一起设置为该值而不是单独设置，以便可以编写脚本更通俗的说法是：

awk 'BEGIN{FS=OFS=":"} FNR==NR{f[$1]=$2;next} $1 in f{print $2,$3,f[$1]}' file2 file1 > output