用Linux命令对两个文件进行连接操作

数据库做两个表的连接操作很方便。如果不用数据库，用join命令也能做简单的连接操作。

首先，看一下join命令的功能

  join命令

　　功能说明：
　　将两个文件中，指定栏位内容相同的行连接起来。
　　语法：join [-i][-a<1|2>][-e<string>][-o<格式>] [-t<字符>][-v<1|2>][-1<栏位>][-2<栏位>][--help] [--version][文件1][文件2]
　　补充说明：
　　找出两个文件中，指定栏位内容相同的行，并加以合并，再输出到标准输出设备。
　　参数：
　　-a <1|2> 除了显示原来的输出内容之外，还显示指令文件中没有相同栏位的行。
　　-e <字符串> 若[文件1]与[文件2]中找不到指定的栏位，则在输出中填入选项中的字符串。
　　-i或--igore-case 比较栏位内容时，忽略大小写的差异。
　　-o <格式> 按照指定的格式来显示结果。
　　-t <字符> 使用栏位的分隔字符。
　　-v <1或2> 跟-a相同，但是只显示文件中没有相同栏位的行。
　　-1 <栏位> 连接[文件1]指定的栏位。
　　-2 <栏位> 连接[文件2]指定的栏位。
　　--help 显示帮助。
　　--version 显示版本信息。
　　指定输出字段：
　　-o <FILENO.FIELDNO> ...
　　其中fileno=1表示第一个文件，fileno=2表示第二个文件，fieldno表示字段序号，从1开始编号。默认会全部输出，但关键字列只输出一次。
比如：-o 1.1 1.2 2.2 表示输出第一个文件的第一个字段、第二个字段，第二个文件的第二个字段。

实例分析

　　join命令相当于sql中的内连接，但使用join命令前要求要连接的列是排好序的，所以未排序的文件可以先用sort命令排序。

　　sort命令说明：

　　选项与参数：
　　-f  ：忽略大小写的差异，例如 A 与 a 视为编码相同；
　　-b  ：忽略最前面的空格符部分；
　　-M  ：以月份的名字来排序，例如 JAN, DEC 等等的排序方法；
　　-n  ：使用『纯数字』进行排序(默认是以文字型态来排序的)；
　　-r  ：反向排序；
　　-u  ：就是 uniq ，相同的数据中，仅出现一行代表；
　　-t  ：分隔符，默认是用 [tab] 键来分隔；
　　-k  ：以那个区间 (field) 来进行排序的意思

　文件a.csv为

　　-1,　　　　　　　   id_1000453,computer_os_type_203,computer_browser_version_1421,
　　handle_92449,　　id_1000455,computer_os_type_201,computer_browser_version_1574
　　handle_62344,　　id_1000456,computer_os_type_203,computer_browser_version_377
　　handle_105086,　 id_1000458,computer_os_type_228,computer_browser_version_875

　　文件b.csv为

　　handle_92449,　　id_1000455,computer_os_type_201,computer_browser_version_1574
　　handle_59483,　　id_1000456,computer_os_type_203,computer_browser_version_377

　　首先，对a.csv和b.csv排序

　　 $ sort -t , a.csv > a_sorted.csv

 　　$ sort -t , b.csv > b_sorted.csv

　　对两文件连接

　　$ join -t , a_sorted.csv b_sorted.csv > a_b_row1_join.csv