关键字：shell、awk、join
Shell中的awk命令是非常强大的，有很多书籍专门介绍awk的。本文介绍的只是其中很小的一个点，使用awk命令完成两个文件的关联join。
先看看awk中的两个自身变量，NR和FNR。 awk可以指定同时读取多个文件，按照指定的先后顺序，逐个读取。
NR指的是awk所读取到所有记录（包括多个文件）的行数索引号，大概是Number Of Record的意思。
FNR只的是awk所读取到的每个文件中的行数索引号，当文件发生切换时候，FNR重新从1开始，大概是File Number Of Record的意思。
有两个简单的文件：
[liuxiaowen@getway tmp]$ cat a.txt 1,a-1 2,a-2 3,a-3 4,a-4 [liuxiaowen@getway tmp]$ cat b.txt 2,b-2 4,b-4 5,b-5
上面第一个命令中，awk只读取一个文件，因此NR和FNR是一样的；
第二个命令有两个文件，从NR=5开始读取第二个文件b.txt。
由这点可以得出一个规则：当NR==FNR时候，读取到的内容为第一个文件的内容，当NR!=FNR时候，读取到的内容是第二个文件的。
看下面的命令：
[liuxiaowen@getway tmp]$ awk -F',' 'NR==FNR{a[$1]=$2;}NR!=FNR{print $0,a[$1]}' b.txt a.txt
1,a-1
2,a-2 b-2
3,a-3
4,a-4 b-4
从输出的结果来看，已经将两个文件通过第一列的值join起来，准确的说是a.txt left outer join b.txt.
解释一下这个命令：
第一部分：
NR==FNR{a[$1]=$2;}
a是一个数组；当NR==FNR，也就是读取第一个文件的内容（第一个文件就是后面的b.txt），以b.txt中的$1作为数组索引号，以b.txt中的$2作为数组的值；
因此，第一部分过后，有了一个数组a,具体的值为 a[2]=”b-2″, a[4]=”b-4″, a[5]=”b-5″
再看第二部分：
NR!=FNR{print $0,a[$1]}
当NR!=FNR时候，也就是读取第二个文件的内容（a.txt），print $0（打印a.txt中的内容），以及a[$1]，这里的含义是以a.txt中的$1为索引号，去数组a中获取值，因为之前数组a中的索引号有2,4,5；因此a.txt中第一列为2和4的记录从数组a中获取到了值，1,3,5在数组a中不存在。
如果是将两个文件做内关联：
[liuxiaowen@getway tmp]$ awk -F',' 'NR==FNR{a[$1]=$2;}NR!=FNR && a[$1] {print $0,a[$1]}' b.txt a.txt
2,a-2 b-2
4,a-4 b-4
变了一个条件：NR!=FNR && a[$1]
读取第二个文件的内容，并且第二个文件的$1在数组中存在，也可以写成 $1 in a
[liuxiaowen@getway tmp]$ awk -F',' 'NR==FNR{a[$1]=$2;}NR!=FNR && $1 in a {print $0,a[$1]}' b.txt a.txt
2,a-2 b-2
4,a-4 b-4
您可以关注 lxw的大数据田地 ，或者 加入邮件列表 ，随时接收博客更新的通知邮件。
如果觉得本博客对您有帮助，请 赞助作者 。
