Porównaj dwa pliki z pierwszą kolumną i usuń zduplikowany wiersz z drugiego pliku w skrypcie powłoki

9

Zadam pytanie z przykładem. Mam 2 pliki:

Plik nr 1:

118D FC300_R5_TP  FX.B      32775       2112   6       2038   6       2112   0
118E FC300_R5_TP  FX.B      32775       2136   7       2065   6       2136   0
118F FC300_R5_TP  FX.B      32775       2124   6       2064   6       2124   0
1190 FC300_R5_TP  FX.B     819210     814632  99     814609  99     814632   0
1191 FC300_R5_TP  FX.B     819210     104100  13     103714  13     104100   0
1192 FC300_R5_TP  FX.B    1638420    1609476  98    1609402  98    1609476   0
1196 FC300_R5_TP  FX.B    1638420    1638432 100    1638379 100    1638432   0
119A FC300_R5_TP  FX.B    3276840    3271776 100    3271698 100    3271776   0
119E FC300_R5_TP  FX.B    3276840    3264120 100    3264034 100    3264120   0
11A2 FC300_R5_TP  FX.B    3276840    2328648  71    2328546  71    2328648   0
11A6 FC300_R5_TP  FX.B    3276840    2328444  71    2328355  71    2328444   0
11AA FC300_R5_TP  FX.B    3276840    2328528  71    2328403  71    2328528   0
11AE FC300_R5_TP  FX.B    3276840    2328648  71    2328468  71    2328648   0
11B2 FC300_R5_TP  FX.B    3276840    2130000  65    2129766  65    2130000   0
173A FC300_R5_TP  FX.B    6553680    6478572  99    6477747  99    6478572   0

Plik nr 2:

11AA FC300_R5_TP  FX.B    3276840    2328528  71    2328403  71    2328528   0
11AE FC300_R5_TP  FX.B    3276840    2328648  71    2328468  71    2328648   0
11B2 FC300_R5_TP  FX.B    3276840    2130000  65    2129766  65    2130000   0
173A FC300_R5_TP  FX.B    6553680    6478572  99    6477747  99    6478572   0
0BDB FC600_R5_TP  FX.B   33554640    6044364  18    6033105  18    6044364   0
0BDC FC600_R5_TP  FX.B   33554640    6613536  20    6481974  19    6613536   0
0BDD FC600_R5_TP  FX.B   33554640    4435848  13    4057170  12    4435848   0
0BDE FC600_R5_TP  FX.B   33554640    6620868  20    6249518  19    6620868   0

Pożądane wyjście

Plik nr 3:

0BDB FC600_R5_TP  FX.B   33554640    6044364  18    6033105  18    6044364   0
0BDC FC600_R5_TP  FX.B   33554640    6613536  20    6481974  19    6613536   0
0BDD FC600_R5_TP  FX.B   33554640    4435848  13    4057170  12    4435848   0
0BDE FC600_R5_TP  FX.B   33554640    6620868  20    6249518  19    6620868   0

Chciałbym porównać plik 1 i plik 2 przy użyciu ich pierwszych kolumn i usunąć całą linię lub wiersz z pliku 2, w którym pasują do pliku 1. Chciałbym również zapisać wyniki w trzecim pliku, pliku nr 3.

Rahul Rana
źródło

Odpowiedzi:

10

Możesz użyć awkdo tego:

awk 'FNR==NR{a[$1];next};!($1 in a)' file1 file2 > file3

Wyjaśnienie:

  • FNR == NR: Ten test jest prawdą, gdy liczba rekordów jest równa liczbie rekordów w pliku. Dotyczy to tylko pierwszego pliku, ponieważ drugi plik NRbędzie równy liczbie linii pliku 1 + FNR.

  • a[$1]: Utwórz indeks elementu tablicy pierwszego pola pliku1.

  • next: przejdź do następnego rekordu, aby nie przetwarzać więcej pliku file1.

  • !($1 in a): Sprawdź, czy pierwsze pole ($ 1) jest obecne w tablicy, tj. W pliku 1, i wypisz całą linię (do pliku 3).

Na podstawie jednego z przykładów z wiki #awk .

jasonwryan
źródło
Idealna odpowiedź !!!
Mt
8
export LC_ALL=C
comm -13 <(sort f1) <(sort  f2)

Zgłasza wiersze, które są tylko w f2.

export LC_ALL=C
join -v2 <(sort f1) <(sort f2)

Zgłasza wiersze, f2których pierwszego pola nie znaleziono jako pierwsze pole w dowolnym wierszu f1.

(trzeba powłokę ze wsparciem dla zastąpienia procesu, jak ksh93, zshlub bash).

Stéphane Chazelas
źródło
2

Dla zabawy oto rozwiązanie w Perlu:

#!/usr/bin/perl

# create names lookup table from first file
my %names;
while (<>) {
    (my $col1)= split / /, $_;
    $names{$col1} = 1;
    last if eof;
}

# scan second file
while (<>) {
    print if /^(\S+).*/ && not $names{$1};
}

Przykład

$ ./showdiffs.pl file1  file2
0BDB FC600_R5_TP  FX.B   33554640    6044364  18    6033105  18    6044364   0
0BDC FC600_R5_TP  FX.B   33554640    6613536  20    6481974  19    6613536   0
0BDD FC600_R5_TP  FX.B   33554640    4435848  13    4057170  12    4435848   0
0BDE FC600_R5_TP  FX.B   33554640    6620868  20    6249518  19    6620868   0

Detale

Powyższe rozwiązanie Perla składa się z 2 pętli. Pierwsza pętla odczytuje wszystkie wiersze z file1i tworzy skrót, do %namesktórego dodawana jest każda zidentyfikowana kolumna.

$names{11AA} = 1;

Druga whilepętla biegnie następnie nad drugim plikiem, file2a kolumna 1 każdego wiersza jest identyfikowana za pomocą wyrażenia regularnego:

^(\S+).*

Powyższe mówi od początku wiersza, dopasuj wszystko, co nie jest spacją, i zapisz je w zmiennej tymczasowej $1. Uratowano go, zawijając wokół niego pareny. .*Mówi dopasować wszystko inne na linii.

Kolejny kawałek, że linie mówi zajrzeć do kolumny 1 bitu, że po prostu zapisane w $1w %nameshash:

$names{$1}

Jeśli tam jest, to nie chcemy go drukować. Jeśli go nie ma, wydrukuj go.

slm
źródło
2

Metoda 1 # Bash

#!/usr/bin/env bash
file1=$1
file2=$2

[[ $# -ne 2 ]]  && { echo -e "\n\tUsage: \t$0 file1 file2\n"; exit 1; }

while read line
do

        if ! grep -q "${line%% .*}" $file1; then
                echo "${line}"
        fi

done < $file2

Metoda 2 # Tylko Grep

grep -v "$(< file1)" file2

grep działa, ale nie gwarantuje

Rahul Patil
źródło
1

Zdobądźmy to jako

Plik nr 1: plik1.txt

Plik nr 2: plik2.txt

Następnie uruchom następujące na terminalu

fgrep -vf test1.txt test2.txt > output.txt

output.txt będzie zawierać pożądane wyniki.

Wyjaśnienie:

fgrep : print lines matching a pattern (from manual page)
-v  : get only non-matching rows
-f : obtain PATTERN from FILE (from manual page)
inckka
źródło
Działa to tylko wtedy, gdy całe linie są identyczne, ale pytający wyraźnie poprosił o porównanie tylko w pierwszej kolumnie.
Adaephon