按指定列匹配两个文件并输出全部列的实现方案咨询

你需要按文件1的第1列与文件2的第2列做等值关联，匹配成功后输出两个文件的所有列，你尝试的两个命令都存在问题：

• 你写的awk命令仅将文件1的第2列存入数组，丢失了文件1第3~5列的内容，因此输出结果缺少字段
• 你用的join命令默认按两个文件的第1列做关联匹配，和你的需求不符；就算你已经提前对两个文件做了排序，不指定关联字段也无法得到正确结果

方案1：awk实现（无需提前排序，适配任意顺序的输入文件） #

直接执行以下命令即可得到预期结果：

awk 'FNR==NR{arr[$1]=$0;next} ($2 in arr){print $1,arr[$2]}' file1 file2 > file3

命令逻辑说明：

1. 先遍历第一个输入文件file1，以file1第1列作为数组键，file1整行内容作为数组值存入数组arr
2. 再遍历第二个输入文件file2，判断file2的第2列是否存在于数组键中
3. 匹配成功时按顺序输出file2的第1列、匹配到的file1整行内容，刚好和你预期的输出顺序一致

方案2：join实现（需先按关联字段对两个文件排序） #

join命令要求两个输入文件都必须按关联字段升序排序，且需要显式指定关联列，执行步骤如下：

1. 对file1按关联字段（第1列）排序：
   sort -k1,1 file1 > file1_sorted
2. 对file2按关联字段（第2列）排序：
   sort -k2,2 file2 > file2_sorted
3. 执行join关联并指定输出顺序：

join -1 1 -2 2 file1_sorted file2_sorted -o "2.1 2.2 1.2 1.3 1.4 1.5" > file3

参数说明：

• -1 1：指定第一个输入文件（file1_sorted）用第1列作为关联键
• -2 2：指定第二个输入文件（file2_sorted）用第2列作为关联键
• -o：自定义输出字段顺序，按需求先输出file2的第1、2列，再输出file1的第2~5列

内容的提问来源于stack exchange，提问作者kllrdr