合并多个文件

问题描述：

我正在使用标准 join 命令根据 column1 连接两个已排序的文件。该命令很简单：join file1 file2 > output_file。

但是如何使用相同的技术合并 3 个或更多文件？ join file1 file2 file3 > output_file 上面的命令给了我一个空文件。我想 sed 可以帮助我，但我不太清楚如何使用？

解决方案 1：

man join：

NAME
       join - join lines of two files on a common field

SYNOPSIS
       join [OPTION]... FILE1 FILE2

它仅适用于两个文件。

如果您需要加入三个，也许您可​​以先加入前两个，然后再加入第三个。

尝试：

join file1 file2 | join - file3 > output

应该连接三个文件而不创建中间临时文件。-告诉 join 命令从中读取第一个输入流stdin

解决方案 2：

可以通过join递归构建管道来连接多个文件（N> = 2）：

#!/bin/sh

# multijoin - join multiple files

join_rec() {
    if [ $# -eq 1 ]; then
        join - "$1"
    else
        f=$1; shift
        join - "$f" | join_rec "$@"
    fi
}

if [ $# -le 2 ]; then
    join "$@"
else
    f1=$1; f2=$2; shift 2
    join "$f1" "$f2" | join_rec "$@"
fi

解决方案 3：

我知道这是一个老问题，但是为了将来参考。如果你知道要合并的文件具有类似此处问题中的模式，file1 file2 file3 ... fileN
那么你可以使用此命令简单地将它们合并

cat file* > output

输出将是按字母顺序连接的一系列连接文件。

解决方案 4：

我为此创建了一个函数。第一个参数是输出文件，其余参数是要合并的文件。

function multijoin() {
    out=$1
    shift 1
    cat $1 | awk '{print $1}' > $out
    for f in $*; do join $out $f > tmp; mv tmp $out; done
}

用法：

multijoin output_file file*

解决方案 5：

虽然这是一个老问题，但你可以用以下方法做到这一点awk：

awk -v j=<field_number> '{key=$j; $j=""}  # get key and delete field j
                         (NR==FNR){order[FNR]=key;} # store the key-order
                         {entry[key]=entry[key] OFS $0 } # update key-entry
                         END { for(i=1;i<=FNR;++i) {
                                  key=order[i]; print key entry[key] # print
                               }
                         }' file1 ... filen

此脚本假设：

• 所有文件的行数相同

• 输出的顺序与第一个文件的顺序相同。

• 文件不需要按字段排序<field_number>

• <field_number>是一个有效的整数。

解决方案 6：

页面man说明join它仅适用于两个文件。因此，您需要创建一个中间文件，然后将其删除，即：

> join file1 file2 > temp
> join temp file3 > output
> rm temp

解决方案 7：

Join 在公共字段上连接两个文件的行。如果要连接更多行 - 成对进行。首先连接前两个文件，然后将结果与第三个文件连接起来，依此类推。

解决方案 8：

假设您有四个文件 A.txt、B.txt、C.txt 和 D.txt，如下所示：

~$ cat A.txt
x1 2
x2 3
x4 5
x5 8

~$ cat B.txt
x1 5
x2 7
x3 4
x4 6

~$ cat C.txt
x2 1
x3 1
x4 1
x5 1

~$ cat D.txt
x1 1

使用以下方式连接文件：

firstOutput='0,1.2'; secondOutput='2.2'; myoutput="$firstOutput,$secondOutput"; outputCount=3; join -a 1 -a 2 -e 0 -o "$myoutput" A.txt B.txt > tmp.tmp; for f in C.txt D.txt; do firstOutput="$firstOutput,1.$outputCount"; myoutput="$firstOutput,$secondOutput"; join -a 1 -a 2 -e 0 -o "$myoutput" tmp.tmp $f > tempf; mv tempf tmp.tmp; outputCount=$(($outputCount+1)); done; mv tmp.tmp files_join.txt

结果：

~$ cat files_join.txt 
x1 2 5 0 1
x2 3 7 1 0
x3 0 4 1 0
x4 5 6 1 0
x5 8 0 1 0