Сравните два файла с первым столбцом и удалите дублирующую строку из второго файла в сценарии оболочки

Я задам свой вопрос с примером. У меня есть 2 файла:

Файл № 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

Файл № 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

Желаемый вывод

Файл № 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

Я хотел бы сравнить файл 1 и файл 2, используя их первые столбцы, и удалить всю строку или строку из файла 2, где они совпадают в файле 1. Я также хотел бы сохранить результаты в третий файл, файл # 3.

Вы можете использовать awkдля этого:

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

Объяснение:

• FNR == NR: Этот тест верен, когда количество записей равно количеству записей в файле. Это верно только для первого файла, поскольку второй файл NRбудет равен количеству строк файла1 + FNR.

• a[$1]: Создать индекс элемента массива первого поля file1.

• next: перейти к следующей записи, чтобы больше не обрабатывать файл1.

• !($1 in a): Посмотреть, присутствует ли первое поле ($ 1) в массиве, т.е. в файле1, и напечатать всю строку (в файл3).

Основано на одном из примеров из #awk wiki .

export LC_ALL=C
comm -13 <(sort f1) <(sort  f2)

Будет сообщать строки, которые только в f2.

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

Сообщать ли линии f2которых первое поле не найдено в качестве первого поля в любой строке f1.

(вам нужна оболочка с поддержкой подстановки процессов, например ksh93, zshили bash).

Просто для удовольствия вот решение в Perl:

#!/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};
}

пример

$ ./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

подробности

Решение Perl выше состоит из 2 циклов. Первый цикл читает все строки из from file1и создает хеш, %namesкуда добавляется каждый идентифицируемый нами столбец.

$names{11AA} = 1;

Затем второй whileцикл выполняется над вторым файлом, file2и столбец 1 каждой строки идентифицируется с помощью регулярного выражения:

^(\S+).*

Выше сказано с начала строки, сопоставьте все, что не является пробелом, и сохраните его во временной переменной $1. Это спасает, оборачивая вокруг себя парень. .*Говорит , что нужно все остальное на линии.

Следующий бит , что линии говорит смотреть вверх немного столбец 1 , который мы только что сохраненный в $1в %namesхэш:

$names{$1}

Если он присутствует там, то мы не хотим его печатать. Если его там нет, распечатайте его.

Метод 1 # Баш

#!/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

Метод 2 # Только Grep

grep -v "$(< file1)" file2

grep работает, но не гарантия

Давайте получим это как

Файл № 1: file1.txt

Файл № 2: file2.txt

Затем запустите следующую на терминале

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

output.txt будет содержать желаемые результаты.

Объяснение:

fgrep : print lines matching a pattern (from manual page)
-v  : get only non-matching rows
-f : obtain PATTERN from FILE (from manual page)