Linux Shell中使用awk完成兩個檔案的關聯Join

Shell中的awk指令是非常強大的，有很多書籍專門介紹awk的。本文介紹的隻是其中很小的一個點，使用awk指令完成兩個檔案的關聯join。

先看看awk中的兩個自身變量，NR和FNR。 awk可以指定同時讀取多個檔案，按照指定的先後順序，逐個讀取。

NR指的是awk所讀取到所有記錄（包括多個檔案）的行數索引号，大概是Number Of Record的意思。

FNR隻的是awk所讀取到的每個檔案中的行數索引号，當檔案發生切換時候，FNR重新從1開始，大概是File Number Of Record的意思。

有兩個簡單的檔案：

上面第一個指令中，awk隻讀取一個檔案，是以NR和FNR是一樣的；

第二個指令有兩個檔案，從NR=5開始讀取第二個檔案b.txt。

由這點可以得出一個規則：當NR==FNR時候，讀取到的内容為第一個檔案的内容，當NR!=FNR時候，讀取到的内容是第二個檔案的。

看下面的指令：

從輸出的結果來看，已經将兩個檔案通過第一列的值join起來，準确的說是a.txt left outer join b.txt.

解釋一下這個指令：

第一部分：

a是一個數組；當NR==FNR，也就是讀取第一個檔案的内容（第一個檔案就是後面的b.txt），以b.txt中的$1作為數組索引号，以b.txt中的$2作為數組的值；

是以，第一部分過後，有了一個數組a,具體的值為 a[2]=”b-2″, a[4]=”b-4″, a[5]=”b-5″

再看第二部分：

當NR!=FNR時候，也就是讀取第二個檔案的内容（a.txt），print $0（列印a.txt中的内容），以及a[$1]，這裡的含義是以a.txt中的$1為索引号，去數組a中擷取值，因為之前數組a中的索引号有2,4,5；是以a.txt中第一列為2和4的記錄從數組a中擷取到了值，1,3,5在數組a中不存在。

如果是将兩個檔案做内關聯：

變了一個條件：NR!=FNR && a[$1]

讀取第二個檔案的内容，并且第二個檔案的$1在數組中存在，也可以寫成 $1 in a

本文轉自 SoulMio 51CTO部落格，原文連結：http://blog.51cto.com/bovin/1873090，如需轉載請自行聯系原作者