Eu preciso comparar dois arquivos. Coluna 1 é o mesmo em ambos os arquivos. Coluna 2 é o que eu quero comparar: Eu quero todas as linhas no arquivo 1 que não estão no arquivo 2 ao comparar a coluna 2. A coluna 3 é diferente em ambos os arquivos, mesmo para as linhas onde as colunas 1 e 2 são idênticas. Não consigo remover a coluna 3 porque, como saída, quero as linhas do arquivo 1, incluindo essa coluna.
Aqui está um exemplo:
Arquivo 1
21 12340 3
21 12341 7
21 12342 2
21 12343 89
21 12349 7
Arquivo 2
21 12340 55
21 12341 7
21 12343 89
21 12344 7
21 12346 88
21 12347 3
21 12348 37
Meu resultado seria:
21 12342 2
21 12349 7
join requer que os arquivos sejam pré-classificados, pois eles estão nos args da amostra para join ), então se você precisar manter a seqüência da saída , será necessária uma abordagem diferente . Observe que ele não tenta manter a largura do espaçamento de campo original.
join -1 2 -2 2 -v 1 <(sort file1) <(sort file2)
saída
21 12342 2
21 12349 7
Uma awk solution:
awk '
FNR == NR {
data[ $2 ] = 1;
next;
}
FNR < NR {
if ( ! ($2 in data) ) {
print $0;
}
}
' file2 file1
Resultado:
21 12342 2
21 12349 7
Usando o Python no shell bash:
paddy$ python -c 'import sys
with open(sys.argv[2]) as f: file2col2 = {line.split()[1] for line in f}
with open(sys.argv[1]) as f: print("".join(line for line in f
if line.split()[1] not in file2col2))
' file1.tmp file2.tmp
21 12342 2
21 12349 7
paddy$
Usando egrep e awk :
egrep -v -f <(awk '{printf "^%s[ ]+%s[ ]+\n", $1, $2}' file2) file1
O awk bit dentro de <() gera padrões com base no conteúdo de file2 . O egrep usa esses padrões para corresponder às linhas em file1 , com -v invertendo a correspondência, imprimindo apenas as linhas que não correspondem.