基于文件1的条件，打印文件2的行（使用awk）

Question

I have two files:

cat file1:

0 xxx
1 yyy
1 zzz
0 aaa

查看文件2的内容：

A bbb
B ccc
C ddd
D eee

How do I get the following output using awk:

B ccc
C ddd

我的问题是，如果文件1中的某个字段（例如字段1）匹配特定值（例如1），如何仅打印文件2中的行？

额外信息：

文件file1和file2有相等数量的行。

文件file1和file2有数百万行，无法读入内存。

file1有4列。

file2大约有1000列。

- tommy.carstensen

Answer 1

尝试这么做（有点混淆）：

awk 'NR==FNR{a[NR]=$1}NR!=FNR&&a[FNR]' file1 file2

在多行上，可能更清晰 (提醒一下，awk的工作方式是这样的：条件{动作})：

awk '
    NR==FNR{arr[NR]=$1}
    NR!=FNR && arr[FNR] 
' file1 file2

如果我去掉这个代码片段中“聪明”的部分：

awk '
    if (NR == FNR) {arr[NR]=$1}
    if (NR != FNR && arr[FNR]) {print $0} 
' file1 file2

当 awk 发现一个条件独立存在而没有动作执行时，例如 NR!=FNR && arr[FNR]，它默认在 STDOUT 上隐式输出结果，前提条件是这个表达式为真（>0）。

解释：

- NR 是从输入开始算起当前记录的编号 - FNR 是当前文件中当前记录的顺序编号（所以第二个文件中 NR 不同于 FNR） - arr[NR]=$1：将当前 NR 的索引和第一列存入数组 arr - 如果 NR!=FNR 说明已经到了下一个文件，如果数组的值为 1，则进行打印。

- Gilles Quénot

---

它在我指定的输入上运行良好。但是，我的file1和file2中有多个字段。我将编辑我的问题。 - tommy.carstensen

帖子已编辑，根据说明进行了修改，并删除了不必要的“print”。 - Gilles Quénot

确实是这样。谢谢。我会在今天晚些时候接受这个答案。还要感谢您提供了解释！ - tommy.carstensen

我实际上不能使用你的方法。它需要太多的内存。我必须采用wau提供的解决方案。 - tommy.carstensen

Answer 2

不如awk解决方案干净

$ paste file2 file1 | sed '/0/d' | cut -f1
B
C

您提到了数百万行代码，为了仅对文件进行一次遍历，我会使用Python。类似于以下示例（使用Python 2.7）：

with open("file1") as fd1, open("file2") as fd2:
    for l1, l2 in zip(fd1, fd2):
        if not l1.startswith('0'):
            print l2.strip()

- Fredrik Pihl

---

Python绝对是一个选项（如果sputnick没有提供awk解决方案，我打算使用它）。感谢您的建议。 - tommy.carstensen

我最终使用了您的粘贴解决方案，它使用不到20MB的内存，在不到30秒的时间内运行。我的操作是：将file1和file2粘贴在一起，然后使用awk命令筛选出第一列为1的行，并使用cut命令提取第二列。 - tommy.carstensen

@tommy.carstensen - 很好，很高兴我能帮到你。 - Fredrik Pihl

Answer 3

awk '{
  getline value <"file2";
  if ($1)
    print value;
}' file1

- wau

---

我遇到了一个语法错误： awk: {getline value <"file2" if ($1) print value;} awk: ^ 语法错误 - tommy.carstensen

如果所有内容都在一行上，则必须在getline命令之后添加分号（我更新了代码以添加它）。 - wau

你的解决方案也可以。我会测试两个（你的和sputnick的），看哪一个更快。 - tommy.carstensen

当我使用这种方法时，我的内存超过了100MB的阈值。看来我不得不求助于Python。 - tommy.carstensen