主页 / unix / 问题 / 436716
Accepted
Matt Zabojnik
Asked: 2018-04-11 00:18:09 +0800 CST

使用 grep awk sed 按标题组合文本文件

  • 772

我正在尝试将多个文件组合成一个最终文件。每个文件中都有许多条目，其中大多数具有重叠的标题。我想在标题标题下合并两者之间的内容。考虑结合两个字典，它更有意义。可以在两者中找到单个单词的条目，但每个单词的定义略有不同。一些条目存在于一个中，而不存在于另一个中，等等。

例如，我想合并这两个文件以生成一个输出文件：

文件 1

Entry 1
Green Trees
Entry 3
Orange Fibers

文件 2

Entry 1
Red Trees
Entry 2
Spotted Zebras
Entry 3
Blue Fibers

输出文件

Entry 1
Green Trees
Red Trees
Entry 2
Spotted Zebras
Entry 3
Orange Fibers
Blue Fibers

请注意，文件 1 中不存在条目 2，但它已成为最终产品。同样，每个条目的内容都在条目 ID 匹配的任何地方合并。

我怎样才能做到这一点？

编辑：以上是提出问题的简化版本。以下是文件中实际条目的示例。

$$$00001是条目标题。

从文件 1

$$$00001
<b><br>- Original: Α<b><br></b></b>- Transliteration: A<b><br></b></b>- Phonetic: al'-fah<b><br></b></b>-...
$$$00002
<b><br>- Original: script<b><br></b></b>- Translitera...

来自文件 2

$$$00001
<b><br>α<b><br></b></b>a; indeclinable...
$$$00002
<b><br>texts<b><br></b></b>A...
text-processing

1 个回答

  1. Best Answer

    一个简单awk的单线解决了您的示例：

    awk '/^Entry/{k=$0;next}{g[k]=g[k]"\n"$0}END{for(k in g)print k g[k]}' file1 file2

    我想你知道基本上awk是按照程序一个接一个地处理输入行。这个特定awk的程序被指定为第一个参数，由三个语句组成。让我们一一分析：

    • /^Entry/{k=$0;next}意思是：如果处理的行匹配/^Entry/，则将其存储在变量中k并忽略以下语句进入下一个循环。

    • {g[k]=g[k]"\n"$0}没有前置条件，所以它总是被执行，并且意味着：用键更新存储在字典中的值：新值必须是（可能为空的）先前值、回车符和当前行的串联.gkg[k]"\n"

    • END{for(k in g)print k g[k]}有一个END条件，因此在处理完所有输入行后执行。它说：对于 中的每个键g，即对于出现在输入文件中的每个标题，打印相关值，这是在该标题下的输入文件中找到的所有行的串联。

    要使用它 IRL，您必须/^Entry/用正确的模式替换（可能/^\$\$\$/）。

    • 1

相关问题