如何匹配两个文本文件内容，完成单词查找替换并添加连字符拆分格式

awk完全支持双文件比对替换的需求，无需额外编写复杂程序，以下是可直接使用的实现方案：

实现思路 #

1. 先解析source1.txt，构建「原始单词」和「带连字符拆分版本」的映射字典
2. 遍历source2.txt，将对应位置的原始单词替换为映射字典中的拆分版本

可直接执行的awk命令 #

awk '
# 处理第一个文件source1.txt，构建映射表
NR == FNR {
    if(match($0, /<span class="INFLX" >([^<]+)<\/span><span class="HYPHENATION" >([^<]+)<\/span>/, m)) {
        hyphen_map[m[1]] = m[2]
    }
    next
}
# 处理第二个文件source2.txt，执行替换
{
    for(word in hyphen_map) {
        sub("\\[UK\\] " word, "[UK] " hyphen_map[word])
    }
    print
}
' source1.txt source2.txt > output.txt

说明 #

• NR == FNR是awk处理多文件的常用判断逻辑：NR是全局行号，FNR是当前文件的行号，两者相等时代表正在处理第一个输入文件source1.txt
• 处理source1.txt时仅做映射关系提取，不输出内容
• 处理source2.txt时会遍历所有已存储的映射关系完成替换，最终输出的内容直接重定向到output.txt即可
• 如果需要直接修改source2.txt而不是生成新文件，使用GNU awk可添加-i inplace参数，效果和sed -i一致
• sed本身虽然也能实现双文件替换，但逻辑繁琐可读性差，这类需要暂存映射关系的场景更适合用awk实现

内容的提问来源于stack exchange，提问作者Alvin Tang