Linux下如何提取两个文本文件的匹配行（含多列文件）

问题描述 #

我有两个文本文件：

• file1.txt：单列内容，每行是一个独立关键词
• file2.txt：包含两列数据，第一列是与file1对应的关键词，第二列是关联数据

需要提取file2.txt中第一列与file1.txt任意行完全匹配的整行内容。之前尝试使用comm -12 <(sort file1.txt) <(sort file2.txt)未得到预期结果，期望输出示例：

12XVGwB6c72mmQCqEwCQtbuKmStw5RqW3X 900
12XVHEx5yorWhjxzFHMBW1ynPVCNwWfiDR 1000 
19vLAtK2PivKYB1ZT1J7dykw3rYga4SoVu 0.93

解决方案 #

方法1：使用grep（简单直接） #

comm失效的核心原因是它仅对比整行完全相同的内容，而你需要的是列维度的匹配，用grep的模式匹配更适配需求：

grep -Fwf file1.txt file2.txt

参数说明：

• -F：将file1中的内容视为固定字符串，避免正则特殊字符干扰匹配
• -w：确保匹配整个列（以空格为分隔符，避免出现部分匹配的情况）
• -f：从file1.txt读取所有需要匹配的关键词

方法2：使用awk（灵活高效，适合大文件） #

awk可以直接处理列结构的数据，逻辑清晰且性能出色：

awk 'NR==FNR{a[$0];next} $1 in a' file1.txt file2.txt

逻辑说明：

• 处理第一个文件file1.txt时，将每行关键词存入数组a的键中
• 处理第二个文件file2.txt时，检查第一列$1是否存在于数组a中，存在则打印当前整行

方法3：使用join（需先排序，适合有序输出场景） #

join要求两个文件按匹配列排序，适合本身已排序或需要有序输出的场景：

join <(sort file1.txt) <(sort -k1,1 file2.txt)

参数说明：

• <(sort file1.txt)：先对file1进行排序，满足join的前置要求
• <(sort -k1,1 file2.txt)：仅对file2的第一列排序（保证匹配列有序即可）
• join默认按第一列匹配，输出匹配的整行（格式与期望输出完全一致）

内容的提问来源于stack exchange，提问作者noobcodersan