awk 对比两个文件中的数据项,输入到新文件

http://zhidao.baidu.com/link?url=hdKrZSO1MeW_CFUfMtDBY1aOYs5u1JwxISH5y7akigSacoH15lyThYNwYfoh1xMv0DF1Y5ngLnGcpgrq0IVznI1uLcnGy5ugMyi5lnlMd9_

谢谢参与解答，awk相关问题。现有两个文件，内容样式如下1420862364.685037 50365 seq 11608:130561420862364.777130 50366 seq 13056:145041420862364.777142 50367 seq 14504:159521420862364.778324 50368 seq 15952:174001420862364.778332 50369 seq 17400:188481420862364.780798 50370 seq 18848:202961420862364.780810 50371 seq 20296:21744省略x万行第一列是时间（unix），第二列是ip数据包id，第三列是数据包类型，第四列是数据包内数据序列号。文件file1来自发信端，文件file2来自收信端，因此两个文件中的数据大致类似，除了file2的时间部分可能会有迟延上的变化，而且某些时候会因为丢包，部分数据行丢失。现在要求，对比file1和file2，根据id列区分数据包，输出file1中的时间1和file2中的时间2到新文件，样式如下1420862364.881564 1420862365.881564 50391 seq 49256:50704对于丢包（即file2中没有找到与file1中相同id行的情况），在time2的位置上输出x字样1420862364.881564 x 50391 seq 49256:50704要求写出简单的处理思路，带适当注释，用awk实现。全部符合条件的加20点分数。

++++++++++++++++++++++++++++

用awk数组来做。

点击(此处)折叠或打开

1. awk 'ARGIND==1 {w[$2]=$1}
   
2. ARGIND==2 {
   
3.     flag=0;
   
4.     for(a in w)
   
5.         if($2==a) {
   
6.             flag=1;
   
7.             print $1,w[a],$2,$3,$4;
   
8.             break;
   
9.         }
   
10.     if(!flag)
    
11.         print $1,"x",$2,$3,$4
    
12. }' file2 file1

ARGIND==1 表示处理的是第一个文件 file2

ARGIND==2 表示处理的是第二个文件 file1

原则是：内容较少的文件先处理，遍历读入并保存到数组，以要比较的值为数组下标（这里就是第二列的id值），需要打印显示的内容存为对应的元素值（这里就是第一列的时间值）。然后再处理内容较多的文件，对其每一行内容都使用for循环遍历数组下标进行比较。

这里设置了一个flag来标识file1中的id在数组中（file2中）是否存在。

由于你的数据文件有上万行，所以速度肯定快不了。

追问：

谢谢解答，意思基本看懂了，但是在终端上运行没有结果，我尝试输出到file3，但是enter之后一瞬间就回到提示符了，file3是空文件。请再帮帮忙。

追答：

点击(此处)折叠或打开

1. dos2unix file1 file2
   
2. awk 'ARGIND==1 {w[$2]=$1}
   
3. ARGIND==2 {
   
4.     flag=0;
   
5.     for(a in w)
   
6.         if($2==a) {
   
7.             flag=1;
   
8.             print $1,w[a],$2,$3,$4;
   
9.             break;
   
10.         }
    
11.     if(!flag)
    
12.         print $1,"x",$2,$3,$4;
    
13. }' file2 file1 >file3

我本地试过没问题，所以怀疑是不是file1和file2的格式问题。先用dos2unix转一下格式看看。