主页 / ubuntu / 问题 / 640635
Accepted
Lynob
Asked: 2015-06-25 14:43:58 +0800 CST

不同行号的两个文件之间的差异

  • 772

昨天我问了这个问题，得到了很棒的答案，在这个网站上提问真的很开心。

今天我有一个稍微不同的问题

说我有csv1

1,2,3,4
5,6,7,8 --
9,10,11,12
13,14,15 --

并且csv2有

1,2,3,4,5 --
20,21,22,23,24
24,25,26,27,28
9,10,11,12,30 --
45,46,47,48,60

如何只打印前 4 个字段仅出现在两个文件之一中的那些行？换句话说，丢弃每个文件的所有行，其前四个字段也出现在另一个文件的一行中。

1,2,3,4
9,10,11,12
20,21,22,23,24
24,25,26,27,28
45,46,47,48,60

请注意，--实际文件中不存在，我添加它们是为了帮助您注意到差异。

到目前为止，我将所有内容加载到 numpy 数组中并比较每个元素，

if a[i] == b[i] and ...

但我想知道使用 Linux 工具是否有更好的方法。

编辑

csv2 中的每一行在 csv1 中都有对应的行，并且同一文件中没有重复行。基本上我试图从 csv1 中删除 csv2 并输出 csv1 的其余部分。

grep

1 个回答

  1. Best Answer

    这是一种方法：

    $ awk -F, 'NR==FNR{a[$1$2$3$4]++; next}!a[$1$2$3$4]' csv2 csv1
110,12,31,345
1,12,14,55 
12,53,22,10
1,12,32,44

    解释

    • -F,: 设置字段分隔符为,。现在，每行的第一个以逗号分隔的字段将是$1，第二个$2以此类推。
    • NR==FNR：这是两个 awk 特殊变量。NR 是当前输入行，FNR 是当前文件的行号。只有在读取第一个文件时，两者才会相等。
    • NR==FNR{a[$1$2$3$4]++; next}：在读取第一个文件时，将第一个4个字段保存为数组中的键a并将其值设置为1。这基本上保存了所有第一个4个字段csv1。这next确保我们立即跳到下一行并且不处理脚本的其余部分。
    • !a[$1$2$3$4]: awk 的默认操作是打印当前行。因此，如果您使用计算结果为 true 的东西，awk 知道它应该打印这一行。!a[ $1$2$3$4]当a[$1$2$3$4]未定义csv1的任何行中不存在第 1 个 4 个字段的行时，为真csv2。因此，该指令将打印所有前 4 个字段从未出现过的行（因此它们在a数组中的值不是 1）。
    • 3

相关问题