1

我有 2 个 csv 文件，我正在寻找一种使用特定列比较它们的方法，一旦找到匹配项，我需要从匹配行中获取另一列的值并将其放入另一列的相应列中记录。

我会尝试多解释一点。

一个 csv 有product_id,product_name,brand_name,price 另一个product_id,product_category,product_name,brand_name,price

我需要通过查找具有匹配product_id值的行来比较这两个文件，一旦找到，我需要price从文件 1 中获取值并将其放入文件 2 中的匹配记录price中。

经过广泛的研究，我得出的结论是，这也许可以通过 powershell 实现。

有没有人对我如何做到这一点有任何想法？感谢您的时间。

4

2 回答 2

2

因为只是一次性动作。您可以在电子表格（google docs、excel、...）中打开 csv 文件并执行 VLOOKUP。简单：

为了证明这一点，请想象以下电子表格，其中两个 csv 文件并排放置。第一个从 A 列到 B，第二个在 D 列到 F

  |    A       |   B   | C |      D     |         E        |   F  
--+------------+-------+---+------------+------------------+-------
1 | product_id | price |   | product_id | product_category | price
2 |          1 |  29.9 |   |          2 |       SOME CAT 1 | =IFERROR(VLOOKUP(D2;A:B;2;FALSE); "NULL")
3 |          2 |  35.5 |   |          3 |       SOME CAT 2 | =IFERROR(VLOOKUP(D3;A:B;2;FALSE); "NULL")

该VLOOKUP函数将在区域 A:B 的第一列中搜索与 D2 单元格的值完全匹配的值，并从该区域的第二列返回该值。如果失败，iferror将返回 NULL 。VLOOKUP

因此，在这种情况下，在单元格 F2 上，将在 A 列上查找产品 ID“2”（单元格 d2）。它在第 3 行找到产品 ID“2”，并返回价格“35.5”（即第二行范围 A:B)。计算完所有行后，结果将是：

  |    A       |   B   | C |      D     |         E        |   F  
--+------------+-------+---+------------+------------------+-------
1 | product_id | price |   | product_id | product_category | price
2 |          1 |  29.9 |   |          2 |       SOME CAT 1 | 35.5
3 |          2 |  35.5 |   |          3 |       SOME CAT 2 | NULL
于 2013-07-08T12:57:23.323 回答
1

也可以awk用于此；说你有：

$ cat a.csv 
#product_id,product_name,brand_name,price
1,pname1,bname1,100
10,pname10,bname10,200
20,pname20,bname20,300

$ cat b.csv 
#product_id,product_category,product_name,brand_name,price
3,pcat3,pname3,bname3,42
10,pcat10,pname10,bname10,199
20,pcat20,pname20,bname20,299
30,pcat10,pname30,bname30,420

使用“FNR==NR”方法（参见例如> The Unix shell: comparison two files with awk）：

$ awk -F, 'FNR==NR{if(!/^#/){a[$1]=$0;next}}($1 in a){split(a[$1],tmp,",");printf "%d,%s,%s,%s,%d\n",$1,$2,$3,$4,tmp[4];}' a.csv b.csv 
10,pcat10,pname10,bname10,200
20,pcat20,pname20,bname20,300

将每个文件读入一个数组（参见例如Awking it – how to load a file into an array in awk | Tapping away）：

$ awk -F, 'BEGIN{while(getline < "a.csv"){if(!/^#/){a[$1]=$0;}}close("a.csv");while(getline < "b.csv"){if($1 in a){split(a[$1],tmp,",");printf "%d,%s,%s,%s,%d\n",$1,$2,$3,$4,tmp[4];}}close("b.csv");}' 
10,pcat10,pname10,bname10,200
20,pcat20,pname20,bname20,300

本质上，这两种方法做同样的事情：

  • 读取第一个文件 ( a.csv)，并将其行存储在关联数组a中，由该行的第一个字段键控/索引$1（在本例中为product_id）；
  • 然后读取第二个文件（b.csv）；并且如果在数组中找到其每一行的第一个字段a；然后输出当前行的前四个字段b.csv；price和数组中相应条目的第四个字段 ( )a

不同之处在于，使用该FNR==NR方法，将命令行上的输入文件指定为 的参数awk，基本上您只能将第一个文件标识为“特殊”，因此您可以将其存储为数组；使用第二种方法，每个输入文件都可以在一个单独的数组中解析 - 但是，输入文件是在awk脚本本身中指定的，而不是在参数中awk- 从那时起你甚至不需要使用参数awk，整体的awk脚本需要在一个BEGIN{...}块内发生。

当从文件中读取行时，它们会根据-F,命令行选项自动拆分为字段，将逗号设置为分隔符；但是，当检索存储在数组中的行时，我们必须将split()它们分开

第一个细分：

FNR==NR    # if FNR (input record number in the current input file) equals NR (total num records so far)
           # only true when the first file is being read 
{
  if(!/^#/)  # if the current line does not `!` match regex `/.../` of start `^` with `#`
  {
     a[$1]=$0; # assign current line `$0` to array `a`, with index/key being first field in current line `$1`
     next      # skip the rest, and start processing next line
  }
}
               # --this section below executes when FNR does not equal NR;--  
($1 in a)                                      # first, check if first field `$1` of current line is in array `a`
{
  split(a[$1],tmp,",");                          # split entry `a[$1]` at commas into array `tmp`
  printf "%d,%s,%s,%s,%d\n",$1,$2,$3,$4,tmp[4];  # print reconstructed current line, 
                                                 # taking the fourth field from the `tmp` array
}

第二个细分：

BEGIN{ # since no file arguments here, everything goes in BEGIN block
  while(getline < "a.csv"){  # while reading lines from first file 
    if(!/^#/){               # if the current line does not `!` match regex `/.../` of start `^` with `#`
      a[$1]=$0;              # store current line `$0` to array `a`, with index/key being first field in current line `$1`
    }
  }
  close("a.csv");
  while(getline < "b.csv"){  # while reading lines from second file 
    if($1 in a){                                 # first, check if first field `$1` of current line is in array `a`
      split(a[$1],tmp,",");                         # (same as above)
      printf "%d,%s,%s,%s,%d\n",$1,$2,$3,$4,tmp[4]; # (same as above)
    } 
  }
  close("b.csv");
} # end BEGIN

关于执行的注意事项FNR==NR：

$ awk -F, 'FNR==NR{print "-";} (1){print;}' a.csv b.csv # or:
$ awk -F, 'FNR==NR{print "-";} {print;}' a.csv b.csv 
-
#product_id,product_name,brand_name,price
-
1,pname1,bname1,100
-
10,pname10,bname10,200
-
20,pname20,bname20,300
#product_id,product_category,product_name,brand_name,price
3,pcat3,pname3,bname3,42
10,pcat10,pname10,bname10,199
20,pcat20,pname20,bname20,299
30,pcat10,pname30,bname30,420

$ awk -F, 'FNR==NR{print "-";} FNR!=NR{print;}' a.csv b.csv 
-
-
-
-
#product_id,product_category,product_name,brand_name,price
3,pcat3,pname3,bname3,42
10,pcat10,pname10,bname10,199
20,pcat20,pname20,bname20,299
30,pcat10,pname30,bname30,420

这意味着“当 FNR 不等于 NR 时执行下面的这部分； ”上面的评论原则上是错误的——即使那是该特定示例最终的行为方式。

于 2013-09-16T13:09:31.580 回答