Combina due file con awk

File1.txt

item1   carA
item2   carB
item3   carC
item4   platD
item5   carE

File2.txt

carA  platA
carB  platB
carC  platC
carE  platE

Produzione desiderata:

item1   platA
item2   platB
item3   platC
item4   platD
item5   platE

Come posso farlo?

La risposta di seguito si basa su domande e risposte simili in SO con alcune modifiche rilevanti:

$ awk 'FNR==NR {dict[$1]=$2; next} {$2=($2 in dict) ? dict[$2] : $2}1' file2.txt file1.txt 
item1 platA
item2 platB
item3 platC
item4 platD
item5 platE

L'idea è di creare una mappa hash con indice e usarla come dizionario.

Per la seconda domanda che hai posto nel tuo commento ( cosa dovrebbe essere cambiato se la seconda colonna file1.txtsarà la sesta colonna ):

Se il file di input sarà simile file1b.txt:

item1 A5 B C D carA
item2 A4 1 2 3 carB
item3 A3 2 3 4 carC
item4 A2 4 5 6 platD
item5 A1 7 8 9 carE

Il seguente comando lo farà:

$ awk 'FNR==NR {dict[$1]=$2; next} {$2=($6 in dict) ? dict[$6] : $6;$3="";$4="";$5="";$6=""}1' file2.txt file1b.txt 
item1 platA    
item2 platB    
item3 platC    
item4 platD    
item5 platE    

So che hai detto awk, ma joina questo scopo esiste un comando ...

{
  join -o 1.1,2.2 -1 2 -2 1 <(sort -k 2 File1.txt) <(sort -k 1 File2.txt)     
  join -v 1 -o 1.1,1.2 -1 2 -2 1 <(sort -k 2 File1.txt) <(sort -k 1 File2.txt) 
} | sort -k 1

Sarebbe sufficiente con il primo joincomando se non fosse per questa riga:

item4   platD

Il comando dice sostanzialmente: join basato sulla seconda colonna del primo file ( -1 2) e sulla prima colonna del secondo file ( -2 1), e genera la prima colonna del primo file e la seconda colonna del secondo file ( -o 1.1,2.2). Ciò mostra solo le linee accoppiate. Il secondo comando join dice quasi la stessa cosa, ma dice di mostrare le righe del primo file che non possono essere accoppiate ( -v 1) e di generare la prima colonna del primo file e la seconda colonna del primo file ( -o 1.1,1.2). Quindi ordiniamo l'output di entrambi combinati. sort -k 1significa ordinare in base alla prima colonna e sort -k 2significa ordinare in base alla seconda. È importante ordinare i file in base alla colonna di join prima di passarli a join.

Ora, ho scritto l'ordinamento due volte, perché non mi piace sporcare le mie directory di file se posso aiutarlo. Tuttavia, come ha detto David Foerster, a seconda della dimensione dei file, potresti voler ordinare i file e salvarli prima di non aspettare di ordinarli due volte. Per dare un'idea delle dimensioni, ecco il tempo necessario per ordinare 1 milione e 10 milioni di righe sul mio computer:

$ ruby -e '(1..1000000).each {|i| puts "item#{i}   plat#{i}"}' | shuf > 1million.txt 
$ ruby -e '(1..10000000).each {|i| puts "item#{i}   plat#{i}"}' | shuf > 10million.txt 
$ head 10million.txt 
item530284   plat530284
item7946579   plat7946579
item1521735   plat1521735
item9762844   plat9762844
item2289811   plat2289811
item6878181   plat6878181
item7957075   plat7957075
item2527811   plat2527811
item5940907   plat5940907
item3289494   plat3289494
$ TIMEFORMAT=%E
$ time sort 1million.txt >/dev/null
1.547
$ time sort 10million.txt >/dev/null
19.187

Sono 1,5 secondi per 1 milione di linee e 19 secondi per 10 milioni di linee.