File1.txt
item1 carA
item2 carB
item3 carC
item4 platD
item5 carE
File2.txt
carA platA
carB platB
carC platC
carE platE
必要な出力:
item1 platA
item2 platB
item3 platC
item4 platD
item5 platE
どうすればいいですか?
以下の回答は、 SOの同様のQ&A に基づいており、関連する変更がいくつかあります。
$ awk 'FNR==NR {dict[$1]=$2; next} {$2=($2 in dict) ? dict[$2] : $2}1' file2.txt file1.txt
item1 platA
item2 platB
item3 platC
item4 platD
item5 platE
アイデアは、インデックス付きのハッシュマップを作成し、それを辞書として使用することです。
コメントで質問した2番目の質問について(file1.txt
の2番目の列が6番目の列になる場合は何を変更する必要がありますか ):
入力ファイルがfile1b.txt
のような場合:
item1 A5 B C D carA
item2 A4 1 2 3 carB
item3 A3 2 3 4 carC
item4 A2 4 5 6 platD
item5 A1 7 8 9 carE
次のコマンドで実行できます。
$ awk 'FNR==NR {dict[$1]=$2; next} {$2=($6 in dict) ? dict[$6] : $6;$3="";$4="";$5="";$6=""}1' file2.txt file1b.txt
item1 platA
item2 platB
item3 platC
item4 platD
item5 platE
awk
と言ったのは知っていますが、この目的のためにjoin
コマンドがあります...
{
join -o 1.1,2.2 -1 2 -2 1 <(sort -k 2 File1.txt) <(sort -k 1 File2.txt)
join -v 1 -o 1.1,1.2 -1 2 -2 1 <(sort -k 2 File1.txt) <(sort -k 1 File2.txt)
} | sort -k 1
この行用でなければ、最初のjoin
コマンドで十分です。
item4 platD
コマンドは基本的に、最初のファイルの2列目(-1 2
)と2番目のファイルの1列目(-2 1
)に基づいて結合し、最初のファイルの1列目と2番目のファイルの2番目の列(-o 1.1,2.2
)。ペアになった行のみが表示されます。 2番目のjoinコマンドはほぼ同じことを言っていますが、ペアにできなかった最初のファイルの行(-v 1
)を表示し、最初のファイルの最初の列と2番目の列を出力するように指示します最初のファイル(-o 1.1,1.2
)。次に、両方を組み合わせた出力をソートします。 sort -k 1
は最初の列に基づいてソートすることを意味し、sort -k 2
は2番目の列に基づいてソートすることを意味します。 join
に渡す前に、結合列に基づいてファイルをソートすることが重要です。
今、私はそれを助けることができればファイルで私のディレクトリを散らかすのが好きではないので、ソートを2回書きました。ただし、David Foersterが言ったように、ファイルのサイズによっては、各ファイルを2回並べ替えるのを待たないように、最初にファイルを並べ替えて保存することをお勧めします。サイズの概念を示すために、コンピューター上で100万行と1000万行をソートするのにかかる時間を次に示します。
$ Ruby -e '(1..1000000).each {|i| puts "item#{i} plat#{i}"}' | shuf > 1million.txt
$ Ruby -e '(1..10000000).each {|i| puts "item#{i} plat#{i}"}' | shuf > 10million.txt
$ head 10million.txt
item530284 plat530284
item7946579 plat7946579
item1521735 plat1521735
item9762844 plat9762844
item2289811 plat2289811
item6878181 plat6878181
item7957075 plat7957075
item2527811 plat2527811
item5940907 plat5940907
item3289494 plat3289494
$ TIMEFORMAT=%E
$ time sort 1million.txt >/dev/null
1.547
$ time sort 10million.txt >/dev/null
19.187
これは、100万行で1.5秒、1000万行で19秒です。