UNIX - сравнить 2 файла на основе основного столбца

Question

Мне нужно сравнить 2 файла по столбцам на основе первичных столбцов (это может быть 1 или несколько столбцов в качестве ключа примата). И он должен генерировать 3 CSV-файла в качестве вывода - различия, дополнительные записи в файле1, дополнительные записи в файле2

Примечание: пробовал с sdiff, но он не выдает желаемый результат

Пример:

Здесь первый столбец является первичным ключом

file1 :
abc 234 123
bcd 567 890
cde 678 789

file2 :
abc 234 012
bcd 532 890
cdf 678 789

Output files

differences file :
abc,234,123::012
bcd,567::532,890

extra records in file1 :
cde,678,789

extra records in file2
cdf,678,789   

Answer 1

Попробуйте эту командную строку Perl

perl -lane ' @t=@{$kv1{$F[0]}}; push(@t,$_); $kv1{$F[0]} = [@t];
if( defined($kv2{$F[0]}) ) {  $kv2{$F[0]} = "Both" } else { $kv2{$F[0]} =$ARGV; $kv3{$F[0]}=$_; }
END { 

 for my $c (keys %kv2) 
 { 
   if($kv2{$c} eq "Both") { $d1++ or print "differences file :";  

   @t=@{$kv1{$c}}; @s1=split(" ",$t[0]); @s2=split(" ",$t[1]);
   $a2= $s1[1] eq $s2[1] ? $s1[1] : $s1[1]. "::". $s2[1];
   $a3= $s1[2] eq $s2[2] ? $s1[2] : $s1[2]. "::". $s2[2];
   print $s1[0],",",$a2,",",$a3;

   }
 }

 for my $c (keys %kv2) 
 { 
   if($kv2{$c} eq "file1") { $d2++ or print "\nextra records in file1 :";  print $kv3{$c} }
 }

 for my $c (keys %kv2) 
 { 
   if($kv2{$c} eq "file2") { $d3++ or print "\nextra records in file2 :";  print $kv3{$c} }
 }

}
' file1 file2

Результаты:

differences file :
bcd,567::532,890
abc,234,123::012

extra records in file1 :
cde 678 789

extra records in file2 :
cdf 678 789

Answer 2

Если файлы удобно помещаются в памяти, это легко сделать с помощью хэшей в Perl. Например:

#!/bin/bash

# create test data files
>cmp.d1 cat <<'EOD'
abc 234 123
bcd 567 890
cde 678 789
EOD
>cmp.d2 cat <<'EOD'
abc 234 012
bcd 532 890
cdf 678 789
EOD

# create script
>dif.pl cat <<'EOD'
#!/usr/bin/perl -w

if ( $#ARGV!=0 or ! -f "$ARGV[0]" ) {
    die "Usage: <file2 filter file1\n";
}

@KEYS = ( 0 ); # list of columns to use for primary key

# read file1 from filename given on commandline
while (<<>>) {
    chomp;
    @a1 = (split); # split line into individual fields
    $k = join "\0", @a1[ @KEYS ];

    # if $k is not unique, only final line is kept
    warn "duplicate key: $k\n" if exists $h1{$k};

    # store line in %h1 for later use
    $h1{$k} = [ @a1 ];
}

# now read file2 from stdin
# process each line as we read it
while (<<>>) {
    chomp;
    @a2 = (split); # split line into individual fields
    $k = join "\0", @a2[ @KEYS ];

    if ( exists $h1{$k} ) {
        # record exists in both files
        # calculate differences 

        @a1 = @{ $h1{$k} }; # retrieve file1 version

        # overwrite any difference fields in @a2
        map {
            $a1 = shift @a1;
            $_ = "${a1}::$_" if $a1 ne $_;
        } @a2;

        # save difference records in %hd
        $hd{$k} = [ @a2 ];

        # this will not be an extra file1 record
        delete $h1{$k};
    }
    else {
        # this record only exists in file2
        $h2{$k} = [ @a2 ];
    }
}

# format record as csv line
sub print_csv {
    print join(",", @{ $_ }), "\n";
}

print "differences file :\n";
print_csv for values %hd;
print "\n";

print "extra records in file1 :\n";
print_csv for values %h1;
print "\n";

print "extra records in file2\n";
print_csv for values %h2;

EOD

# try it out
perl dif.pl cmp.d1 <cmp.d2

Выход:

differences file :
bcd,567::532,890
abc,234,123::012

extra records in file1 :
cde,678,789

extra records in file2
cdf,678,789

---

Примечание: вывод csv обычно не нужно упорядочивать, поэтому этот код не выполняет никакой сортировки.