awk：在生成数据时保留行顺序并删除重复的字符串（镜像）

Question

我有两个文本文件

g1.txt

 alfa beta;www.google.com
 Light Dweller - CR, Technical Metal;http://alfa.org;http://beta.org;http://gamma.org;

g2.txt

Jack to ride.zip;http://alfa.org;
JKr.rui.rar;http://gamma.org;
Nofj ogk.png;http://gamma.org;

我将此命令用于运行我的 awk 脚本

awk -f ./join2.sh g1.txt g2.txt > "g3.txt"

我得到了这个输出

Light Dweller - CR, Technical Metal;http://alfa.org;http://beta.org;http://gamma.org;;Jack to ride.zip;http://alfa.org;JKr.rui.rar;http://gamma.org;Nofj ogk.png;http://gamma.org;
alfa beta;www.google.com;

有什么问题？

1.行顺序不守恒，例如在输出文件g3.txt中，行alfa beta;www.google.com;在行Light...之后。什么时候应该是第一个，正如您在 g1.txt
中看到的那样 2. 我在Light..行有很多镜像字符串，你可以在g3.txt

中看到

http://alfa.org
http://gamma.org
http://gamma.org

在同一行重复。

我想要什么样的行输出？ 像这样：

alfa beta;www.google.com
Light Dweller - CR, Technical Metal;http://alfa.org;http://beta.org;http://gamma.org;Jack to ride.zip;JKr.rui.rar;Nofj ogk.png;

首先： 我尝试实现一个函数来检查一行中是否有普通字符串，例如你在我的行输出中看到 Light Dweller - CR, Technical Metal... 有该行内的字符串相同吗？例如 http://alfa.org 和 http://gamma.org ？好吧，我不要这个。 我想要每个字符串，用分隔符括起来；仅出现一次，并且每行仅出现一次。
此规则应仅适用于输出文件，g3.txt

其次： 我希望 g1.txt 中的原始行顺序必须保留在 g3.txt 输出文件中。例如，在 g1.txt 我有

alfa beta ... 
Light Dweller ...

但是我的脚本 returns 对我来说是不同的顺序

Light Dweller ...
alfa beta ...

我想防止行重新排序

我的join2.sh脚本是这样的

#! /usr/bin/awk  -f

BEGIN {
  OFS=FS=";"
  C=0;
}
{
  if (ARGIND == 1) {
     X = $NF
     T0[$NF] = C++
     $NF = ""
     if (T1[X]) {
        T1[X] = T1[X] [=18=]
     } else {
        T1[X] = [=18=]
     }
  } else {
     X = $NF
     T0[$NF] = C++
     $NF = ""
     if (T2[X]) {
        T2[X] = T2[X] [=18=]
     } else {
        T2[X] = [=18=]
     }
  }
}

END {
  for (X in T0) {
    # concatenate T1[X] and X, since T1[X] ends with ";"
    print T1[X]  X, T2[X]
  }
}

解决方案：

Answer 1

您应该首先像这样处理 g2.txt：

cat join2.awk

BEGIN {
  OFS=FS=";"
}
ARGIND == 1 {
   map[] = ( in map ? map[] OFS : "") 
   next
}
{
   r = [=10=];
   for (i=1; i<=NF; ++i)
      if ($i in map)
         r = r OFS map[$i]
   [=10=] = r
}
1

然后将其用作：

awk -f join2.awk g2.txt g1.txt

alfa beta;www.google.com
Light Dweller - CR, Technical Metal;http://alfa.org;http://beta.org;http://gamma.org;;Jack to ride.zip;JKr.rui.rar;Nofj ogk.png

awk：在生成数据时保留行顺序并删除重复的字符串（镜像）

awk: preserve row order and remove duplicate strings (mirrors) when generating data

awk

comparison

batch-processing