search - 将文本文件中的每个术语与目录中的所有文本文件进行匹配

Question

我有一个 awk 生成的术语列表，terms.txt。我需要在一个包含 1000 个小 xml 文件的目录中搜索与 terms.txt 中的任何术语完全匹配的目录。我需要生成第二个列表，matches.txt，其中包含每个匹配项的文件名和术语。

可以使用 awk 来执行此操作吗？我在想，如果我使用 awk 像这样重新格式化列表：“term1|term2|term3|...” ...也许我可以使用变量 (VariableName) 来表示重新格式化的列表字符串，然后使用此匹配条款：

awk "/VariableName/{ print FILENAME \": \" $0;}" C:\directory\*.txt > matches.txt

是否可以在 awk 中创建和使用这样的变量？如果没有，awk有没有更好的方法？也许可以一次输入一个列表并与目录匹配一个术语？

任何帮助，将不胜感激。

Answer 1

GNU awk的代码：

awk -f prog.awk terms.txt "C:\directory\*.txt"

NR==FNR {t[$0]; next}
{
    for (x in t) {
        p="\\<"x"\\>"
        if (match ($0, p ))
            {
            f[FILENAME]
            m[FILENAME,x]++
            }
        }
}

END {
    for (a in f)
        {
        printf("\n%s", a)
        for (b in t)
            {
            if (m[a,b]) {printf("|%s", b)}
            }
        }
}

与word boundaries.

Answer 2

您可以使用awk执行此操作，但有一个简单的grep解决方案：

grep -f terms.txt directory/*xml -o