shell学习之按照某列合并两个文件

有两个文件：ip_city_location.file 有三个字段存放的是ip，城市和地点。

211.82.96.2  北京  海淀区
211.82.96.3  北京  朝阳区
211.82.96.5  南阳  卧龙区
10.1.18.7  郑州  新郑

文件ip.file中有一个字段存放的是ip

10.1.18.7
211.82.96.5

现在要求输出ip.file中的每个ip对应的城市。

解决办法：使用join命令。

注意：在使用join前，需要将两个文件按照相同的规则进行排序，这样才能使用join达到期望的效果

故代码如下：

#!/bin/bash 
filenameBeforSort1="ip_city_location.file"
filenameBeforSort2="ip.file"
sortedFile1="ip_city_location.sort"
sortedFile2="ip.sort"
sort $filenameBeforSort1 > $sortedFile1
sort $filenameBeforSort2 > $sortedFile2
join $sortedFile1 $sortedFile2 | awk '{print $1,$2}'

运行结果如下：

10.1.18.7 郑州
211.82.96.5 南阳

现问题发生了一些变化，ip_city_location.file和ip.file中均有重复的记录。ip_city_location.file内容如下：

211.82.96.2  北京  海淀区
211.82.96.3  北京  朝阳区
211.82.96.5  南阳  卧龙区
211.82.96.3  北京  朝阳区
10.1.18.7 郑州  新郑
211.82.96.2  北京  海淀区
10.1.18.7 郑州  新郑

ip.file的内容变为如下：

10.1.18.7
211.82.96.5
10.1.18.7
211.82.96.5

则需要进行去重的工作。可以在join之前对两个文件排序时直接去重，也可以join之后再去重。个人认为排序前去重可能效率更高一点。

join前去重：

#!/bin/bash 
filenameBeforSort1="ip_city_location.file"
filenameBeforSort2="ip.file"
sortedFile1="ip_city_location.sort"
sortedFile2="ip.sort"
sort $filenameBeforSort1 | uniq | sort > $sortedFile1 #第二个sort命令不写效果也一样，但是个人认为加上更保险一些，不过数据量大时也许会影响效率 
sort $filenameBeforSort2 |uniq | sort > $sortedFile2 #第二个sort命令不写效果也一样，但是个人认为加上更保险一些，不过数据量大时也许会影响效率 
join $sortedFile1 $sortedFile2 | awk '{print $1,$2}'

运行结果如下：

10.1.18.7 郑州
211.82.96.5 南阳

join之后去重：

#!/bin/bash 
filenameBeforSort1="ip_city_location.file"
filenameBeforSort2="ip.file"
sortedFile1="ip_city_location.sort"
sortedFile2="ip.sort"
sort $filenameBeforSort1 > $sortedFile1
sort $filenameBeforSort2 > $sortedFile2
join $sortedFile1 $sortedFile2 | awk '{print $1,$2}' | sort | uniq  #在做uniq命令之前是必须先执行sort命令的

运行结果如下：

10.1.18.7 郑州
211.82.96.5 南阳

本文仅仅针对这一个例子的实际解决过程进行了描述，其中使用的是join，sort和uniq命令的简单用法。

join命令,就相当于数据库中的内连接,不指定任何参数的情况下，默认按第一列合并，关键字不匹配的行不会输出。sort命令不指定任何参数的情况下，默认按第一列排序。

join命令还可以指定按照其它列合并。当然对应的，sort的时候也要按指定的列sort才可以达到效果。