如果要透過匹配公共欄位來合併兩個文字檔案中的資料，可以使用Linux join命令。它為靜態資料檔案添加了些許活力。我們會教你怎麼使用它。

跨檔案匹配資料

資料為王。公司、企業和家庭都在這上面經營。但是資料儲存在不同的檔案中，由不同的人整理，這是一種痛苦。除了知道要開啟哪些檔案來查詢所需的資訊外，檔案的佈局和格式可能會有所不同。

您還必須處理管理方面的難題，即哪些檔案需要更新，哪些需要備份，哪些是遺留檔案，哪些可以存檔。

另外，如果您需要整合資料或跨整個資料集進行一些分析，您還有一個問題。在處理不同檔案的資料之前，如何使其合理化？如何進入資料準備階段？

好訊息是，如果這些檔案至少共享一個公共資料元素，那麼linuxjoin命令可以讓您擺脫困境。

資料檔案

我們將用於演示join命令使用的所有資料都是虛構的，從以下兩個檔案開始：

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

以下是file-1.txt的內容：

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

我們有一組編號的行，每行包含以下所有資訊：

• 一個數字
• 名字
• 姓氏
• 電子郵件地址
• 此人的性別
• IP地址

以下是file-2.txt的內容：

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資訊：

• 一個數字
• 姓氏
• 電子郵件地址
• 此人的性別
• 紐約的一個地區
• 一美元的價值

join命令與“fields”一起使用，在本文中，fields表示由空格、行的開始或行的結束包圍的文字部分。為了使join匹配兩個檔案之間的行，每行必須包含一個公共欄位。

因此，只有在兩個檔案中都顯示欄位時，才能匹配該欄位。IP地址只出現在一個檔案中，所以這不好。第一個名稱只出現在一個檔案中，因此我們也不能使用它。姓氏在兩個檔案中，但這是一個很差的選擇，因為不同的人有相同的姓氏。

你也不能將資料與**和**條目聯絡在一起，因為它們太模糊了。紐約地區和美元值也只出現在一個檔案中。

但是，我們可以使用電子郵件地址，因為它在兩個檔案中都存在，並且每個檔案對一個人都是唯一的。快速瀏覽檔案還可以確認每個檔案中的行對應於同一個人，因此我們可以使用行號作為要匹配的欄位（稍後我們將使用不同的欄位）。

注意，這兩個檔案中有不同數量的欄位，這很好，我們可以告訴join每個檔案使用哪個欄位。

但是，要注意像紐約地區這樣的欄位；在以空格分隔的檔案中，地區名稱中的每個單詞看起來都像一個欄位。因為有些區域有兩個或三個單詞的名稱，所以在同一個檔案中實際上有不同數量的欄位。這是可以的，只要你匹配出現在紐約地區前一行的欄位。

join命令

首先，必須對要匹配的欄位進行排序。我們在兩個檔案中都有升序數字，所以我們符合這個標準。預設情況下，join使用檔案中的第一個欄位，這是我們想要的。另一個合理的預設值是join期望欄位分隔符為空格。再說一遍，我們有了，所以我們可以繼續，然後開火加入。

由於我們使用了所有的預設值，所以我們的命令很簡單：

join file-1.txt file-2.txt

join根據檔案在命令列中列出的順序，將檔案視為“檔案一”和“檔案二”。

輸出如下：

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

輸出的格式如下：首先列印行匹配的欄位，然後列印檔案1中的其他欄位，然後列印檔案2中沒有匹配欄位的欄位。

未排序欄位

讓我們試試我們知道行不通的東西。我們將把一個檔案中的行按順序排列，這樣join將無**確處理該檔案。file-3.txt的內容與file-2.txt相同，但第八行在第五行和第六行之間。

以下是file-3.txt的內容：

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

我們鍵入以下命令以嘗試將file-3.txt連線到file-1.txt：

join file-1.txt file-3.txt

join報告檔案-3.txt中的第七行出現故障，因此未對其進行處理。第七行是以數字6開頭的，在正確排序的列表中，數字6應該在8之前。檔案中的第六行（以“8 Odell”開頭）是最後處理的一行，因此我們可以看到它的輸出。

如果您想檢視join是否符合檔案的排序順序，則可以使用--check order選項，而不會嘗試合併。

為此，我們鍵入以下內容：

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

join提前告訴您file-3.txt檔案的第七行有問題。

缺少行的檔案

在file-4.txt中，最後一行已被刪除，因此沒有第八行。內容如下：

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

我們鍵入以下內容，令人驚訝的是，join不會抱怨並處理它能處理的所有行：

join file-1.txt file-4.txt

輸出列出了七條合併行。

-a（print unpairable）選項告訴join也列印無法匹配的行。

在這裡，我們鍵入以下命令，告訴join列印檔案1中與檔案2中的行不匹配的行：

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

七行匹配，檔案一的第八行列印，不匹配。沒有任何合併資訊，因為file-4.txt不包含可以匹配的第8行。但是，至少它仍然出現在輸出中，因此您知道它在file-4.txt中沒有匹配項。

我們鍵入以下-v（抑制連線線）命令以顯示不匹配的任何行：

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

我們看到第8行是檔案2中唯一沒有匹配項的。

匹配其他欄位

讓我們在一個非預設欄位（欄位一）上匹配兩個新檔案。檔案-7.txt的內容如下：

[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

檔案-8.txt的內容如下：

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

用於加入的唯一合理欄位是email address，它是第一個檔案中的欄位1和第二個檔案中的欄位2。為了適應這種情況，我們可以使用-1（fileone欄位）和-2（filetwo欄位）選項。我們將用一個數字來表示每個檔案中的哪個欄位應該用於連線。

我們鍵入以下命令，告訴join使用檔案1中的第一個欄位和檔案2中的第二個欄位：

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

檔案在電子郵件地址上合併，該地址顯示為輸出中每行的第一個欄位。

使用不同的欄位分隔符

如果檔案中的欄位不是用空格分隔的，會怎麼樣？

以下兩個檔案用逗號分隔，多個單詞的地名之間只有空格：

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

我們可以使用-t（分隔符）來告訴join哪個字元用作欄位分隔符。在本例中，它是逗號，因此我們鍵入以下命令：

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

所有的線都是匹配的，而空格則保留在地名中。

忽略字母大小寫

另一個檔案file-9.txt與file-8.txt幾乎相同。唯一的區別是有些電子郵件地址有大寫字母，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

當我們加入file-7.txt和file-8.txt時，它執行得非常好。讓我們看看file-7.txt和file-9.txt會發生什麼。

我們鍵入以下命令：

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

我們只匹配了六行。大寫字母和小寫字母的差異阻止了其他兩個電子郵件地址的連線。

但是，我們可以使用-i（忽略大小寫）選項強制join忽略這些差異，並匹配包含相同文字的欄位，而不考慮大小寫。

我們鍵入以下命令：

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

所有八行匹配並連線成功。

混搭

在join中，當您在處理棘手的資料準備時，您有一個強大的盟友。可能您需要分析資料，或者您正試圖將其轉換為形狀以執行到其他系統的匯入。

不管情況如何，你都會很高興加入你的行列！