perl - 比较具有不同列号和行号的两个文件

Question

我想比较两个具有不同列号和行号的大文件，并打印那些有共同词（如KJ）的行：

文件1：

XT1 123 aa NR
XT2 444 bb GF 
XT3 666 aa KJ

文件2

fc KK pcn
wd CC KJ

输出

XT3 666 aa wd CC KJ

我试过了，但我什么也没得到：

awk 'FNR==NR{a[$4]=$3;next}{if (a[$3])print a[$3],$0}' file1 file2

预先感谢您的帮助

Answer 1

根据您提供的有限信息，

my $file1 = '...';
my $file2 = '...';

my %file2;
{
   open(my $fh2, '<', $file2)
      or die("Can't open \"$file2\": $!\n');
   while (<$fh2>) {
      my @F = split;
      $file2{$F[2]} = join(' ', @F[0,1]);
   }
}

{
   open(my $fh1, '<', $file1)
      or die("Can't open \"$file1\": $!\n');
   while (<$fh1>) {
      my @F = split;
      print(join(' ', @F[0..2], $file2{$F[3]}, $F[3]), "\n")
         if $file2{$F[3]};
   }
}

我假设如下：

• file2适合内存作为行的散列。
• 关键字不会在 中出现两次file2。
• 您只对将 的第 4 列file1与 的第 3 列进行匹配感兴趣file2。

它保持行的顺序，因为它们出现在file1.

Answer 2

你很接近，试试这个：

awk 'FNR==NR { a[$4]=$1 FS $2 FS $3; next } $3 in a { print a[$3], $0 }' file1 file2

结果：

XT3 666 aa wd CC KJ

快速解释：

在“file1”中，将第 4 列添加到以第 1、2 和 3 列为值的数组中。

在“file2”中，检查第 3 列是否在数组中，如果是，则打印出它的值和当前行。

Answer 3

我会为每个文件创建一个单独的单词散列到行号，并为每个文件创建一个存储每一行​​的数组。

然后我会迭代文件 1 中的单词列表，并在文件 2 中查找匹配项。如果找到匹配项，那么我会在两个文件中查找该单词的行号。使用行号，我将从数组中检索“行”，并返回唯一单词列表。