如果要通过匹配公共字段来合并两个文本文件中的数据，可以使用Linux join命令。它为静态数据文件添加了些许活力。我们会教你怎么使用它。

跨文件匹配数据

数据为王。公司、企业和家庭都在这上面经营。但是数据存储在不同的文件中，由不同的人整理，这是一种痛苦。除了知道要打开哪些文件来查找所需的信息外，文件的布局和格式可能会有所不同。

您还必须处理管理方面的难题，即哪些文件需要更新，哪些需要备份，哪些是遗留文件，哪些可以存档。

另外，如果您需要整合数据或跨整个数据集进行一些分析，您还有一个问题。在处理不同文件的数据之前，如何使其合理化？如何进入数据准备阶段？

好消息是，如果这些文件至少共享一个公共数据元素，那么linuxjoin命令可以让您摆脱困境。

数据文件

我们将用于演示join命令使用的所有数据都是虚构的，从以下两个文件开始：

cat file-1.txt cat file-2.txt

以下是file-1.txt的内容：

1 Adore Varian [email protected] Female 192.57.150.231 2 Nancee Merrell [email protected] Female 22.198.121.181 3 Herta Friett [email protected] Female 33.167.32.89 4 Torie Venmore [email protected] Female 251.9.204.115 5 Deni Sealeaf [email protected] Female 210.53.81.212 6 Fidel Bezley [email protected] Male 72.173.218.75 7 Ulrikaumeko Standen [email protected] Female 4.204.0.237 8 Odell Jursch [email protected] Male 1.138.85.117

我们有一组编号的行，每行包含以下所有信息：

• 一个数字
• 名字
• 姓氏
• 电子邮件地址
• 此人的性别
• IP地址

以下是file-2.txt的内容：

1 Varian [email protected] Female Western New York $535,304.73 2 Merrell [email protected] Female Finger Lakes $309,033.10 3 Friett [email protected] Female Southern Tier $461,664.44 4 Venmore [email protected] Female Central New York $175,818.02 5 Sealeaf [email protected] Female North Country $126,690.15 6 Bezley [email protected] Male Mohawk Valley $366,733.78 7 Standen [email protected] Female Capital District $674,634.93 8 Jursch [email protected] Male Hudson Valley $663,821.09

file-2.txt中的每一行都包含以下信息：

• 一个数字
• 姓氏
• 电子邮件地址
• 此人的性别
• 纽约的一个地区
• 一美元的价值

join命令与“fields”一起使用，在本文中，fields表示由空格、行的开始或行的结束包围的文本部分。为了使join匹配两个文件之间的行，每行必须包含一个公共字段。

因此，只有在两个文件中都显示字段时，才能匹配该字段。IP地址只出现在一个文件中，所以这不好。第一个名称只出现在一个文件中，因此我们也不能使用它。姓氏在两个档案中，但这是一个很差的选择，因为不同的人有相同的姓氏。

你也不能将数据与**和**条目联系在一起，因为它们太模糊了。纽约地区和美元值也只出现在一个文件中。

但是，我们可以使用电子邮件地址，因为它在两个文件中都存在，并且每个文件对一个人都是唯一的。快速浏览文件还可以确认每个文件中的行对应于同一个人，因此我们可以使用行号作为要匹配的字段（稍后我们将使用不同的字段）。

注意，这两个文件中有不同数量的字段，这很好，我们可以告诉join每个文件使用哪个字段。

但是，要注意像纽约地区这样的字段；在以空格分隔的文件中，地区名称中的每个单词看起来都像一个字段。因为有些区域有两个或三个单词的名称，所以在同一个文件中实际上有不同数量的字段。这是可以的，只要你匹配出现在纽约地区前一行的字段。

join命令

首先，必须对要匹配的字段进行排序。我们在两个文件中都有升序数字，所以我们符合这个标准。默认情况下，join使用文件中的第一个字段，这是我们想要的。另一个合理的默认值是join期望字段分隔符为空格。再说一遍，我们有了，所以我们可以继续，然后开火加入。

由于我们使用了所有的默认值，所以我们的命令很简单：

join file-1.txt file-2.txt

join根据文件在命令行中列出的顺序，将文件视为“文件一”和“文件二”。

输出如下：

1 Adore Varian [email protected] Female 192.57.150.231 Varian [email protected] Female Western New York $535,304.73 2 Nancee Merrell [email protected] Female 22.198.121.181 Merrell [email protected] Female Finger Lakes $309,033.10 3 Herta Friett [email protected] Female 33.167.32.89 Friett [email protected] Female Southern Tier $461,664.44 4 Torie Venmore [email protected] Female 251.9.204.115 Venmore [email protected] Female Central New York $175,818.02 5 Deni Sealeaf [email protected] Female 210.53.81.212 Sealeaf [email protected] Female North Country $126,690.15 6 Fidel Bezley [email protected] Male 72.173.218.75 Bezley [email protected] Male Mohawk Valley $366,733.78 7 Ulrikaumeko Standen [email protected] Female 4.204.0.237 Standen [email protected] Female Capital District $674,634.93 8 Odell Jursch [email protected] Male 1.138.85.117 Jursch [email protected] Male Hudson Valley $663,821.09

输出的格式如下：首先打印行匹配的字段，然后打印文件1中的其他字段，然后打印文件2中没有匹配字段的字段。

未排序字段

让我们试试我们知道行不通的东西。我们将把一个文件中的行按顺序排列，这样join将无**确处理该文件。file-3.txt的内容与file-2.txt相同，但第八行在第五行和第六行之间。

以下是file-3.txt的内容：

1 Varian [email protected] Female Western New York $535,304.73 2 Merrell [email protected] Female Finger Lakes $309,033.10 3 Friett [email protected] Female Southern Tier $461,664.44 4 Venmore [email protected] Female Central New York $175,818.02 5 Sealeaf [email protected] Female North Country $126,690.15 8 Jursch [email protected] Male Hudson Valley $663,821.09 6 Bezley [email protected] Male Mohawk Valley $366,733.78 7 Standen [email protected] Female Capital District $674,634.93

我们键入以下命令以尝试将file-3.txt连接到file-1.txt：

join file-1.txt file-3.txt

join报告文件-3.txt中的第七行出现故障，因此未对其进行处理。第七行是以数字6开头的，在正确排序的列表中，数字6应该在8之前。文件中的第六行（以“8 Odell”开头）是最后处理的一行，因此我们可以看到它的输出。

如果您想查看join是否符合文件的排序顺序，则可以使用--check order选项，而不会尝试合并。

为此，我们键入以下内容：

join --check-order file-1.txt file-3.txt

join提前告诉您file-3.txt文件的第七行有问题。

缺少行的文件

在file-4.txt中，最后一行已被删除，因此没有第八行。内容如下：

1 Varian [email protected] Female Western New York $535,304.73 2 Merrell [email protected] Female Finger Lakes $309,033.10 3 Friett [email protected] Female Southern Tier $461,664.44 4 Venmore [email protected] Female Central New York $175,818.02 5 Sealeaf [email protected] Female North Country $126,690.15 6 Bezley [email protected] Male Mohawk Valley $366,733.78 7 Standen [email protected] Female Capital District $674,634.93

我们键入以下内容，令人惊讶的是，join不会抱怨并处理它能处理的所有行：

join file-1.txt file-4.txt

输出列出了七条合并行。

-a（print unpairable）选项告诉join也打印无法匹配的行。

在这里，我们键入以下命令，告诉join打印文件1中与文件2中的行不匹配的行：

join -a 1 file-1.txt file-4.txt

七行匹配，文件一的第八行打印，不匹配。没有任何合并信息，因为file-4.txt不包含可以匹配的第8行。但是，至少它仍然出现在输出中，因此您知道它在file-4.txt中没有匹配项。

我们键入以下-v（抑制连接线）命令以显示不匹配的任何行：

join -v file-1.txt file-4.txt

我们看到第8行是文件2中唯一没有匹配项的。

匹配其他字段

让我们在一个非默认字段（字段一）上匹配两个新文件。文件-7.txt的内容如下：

[email protected] Female 192.57.150.231 [email protected] Female 210.53.81.212 [email protected] Male 72.173.218.75 [email protected] Female 33.167.32.89 [email protected] Female 22.198.121.181 [email protected] Male 1.138.85.117 [email protected] Female 251.9.204.115 [email protected] Female 4.204.0.237

文件-8.txt的内容如下：

Female [email protected] Western New York $535,304.73 Female [email protected] North Country $126,690.15 Male [email protected] Mohawk Valley $366,733.78 Female [email protected] Southern Tier $461,664.44 Female [email protected] Finger Lakes $309,033.10 Male [email protected] Hudson Valley $663,821.09 Female [email protected] Central New York $175,818.02 Female [email protected] Capital District $674,634.93

用于加入的唯一合理字段是email address，它是第一个文件中的字段1和第二个文件中的字段2。为了适应这种情况，我们可以使用-1（fileone字段）和-2（filetwo字段）选项。我们将用一个数字来表示每个文件中的哪个字段应该用于连接。

我们键入以下命令，告诉join使用文件1中的第一个字段和文件2中的第二个字段：

join -1 1 -2 2 file-7.txt file-8.txt

文件在电子邮件地址上合并，该地址显示为输出中每行的第一个字段。

使用不同的字段分隔符

如果文件中的字段不是用空格分隔的，会怎么样？

以下两个文件用逗号分隔，多个单词的地名之间只有空格：

cat file-5.txt cat file-6.txt

我们可以使用-t（分隔符）来告诉join哪个字符用作字段分隔符。在本例中，它是逗号，因此我们键入以下命令：

join -t, file-5.txt file-6.txt

所有的线都是匹配的，而空格则保留在地名中。

忽略字母大小写

另一个文件file-9.txt与file-8.txt几乎相同。唯一的区别是有些电子邮件地址有大写字母，如下所示：

Female [email protected] Western New York $535,304.73 Female [email protected] North Country $126,690.15 Male [email protected] Mohawk Valley $366,733.78 Female [email protected] Southern Tier $461,664.44 Female [email protected] Finger Lakes $309,033.10 Male [email protected] Hudson Valley $663,821.09 Female [email protected] Central New York $175,818.02 Female [email protected] Capital District $674,634.93

当我们加入file-7.txt和file-8.txt时，它运行得非常好。让我们看看file-7.txt和file-9.txt会发生什么。

我们键入以下命令：

join -1 1 -2 2 file-7.txt file-9.txt

我们只匹配了六行。大写字母和小写字母的差异阻止了其他两个电子邮件地址的连接。

但是，我们可以使用-i（忽略大小写）选项强制join忽略这些差异，并匹配包含相同文本的字段，而不考虑大小写。

我们键入以下命令：

join -1 1 -2 2 -i file-7.txt file-9.txt

所有八行匹配并连接成功。

混搭

在join中，当您在处理棘手的数据准备时，您有一个强大的盟友。可能您需要分析数据，或者您正试图将其转换为形状以执行到其他系统的导入。

不管情况如何，你都会很高兴加入你的行列！