如何根据多次出现的公共标识符（在另一字段中）用来自不同文件的数据替换一个字段中的数据

Question

我仍然是一个初学者，我发现的所有线程听起来像是我的问题与 SQL 相关，或者答案是连接或合并，这不起作用，因为标识符在 file2 中多次出现。 我有两个制表符分隔的文件。其中一列包含两列，一列具有唯一的数字标识符，另一列具有分类。有数千个。 第二个包含我的数据，其中一个字段包含标识符。有数百行，因此许多标识符不存在，而其他标识符则多次出现。 我需要将 file2 中存储的数据与 file1 中存储的分类连接起来， 基于两个文件中的标识符。

文件 1:

12345   kitchen; furniture; table
12346   kitchen; furniture; chair
12347   living room; furniture; sofa
12348   living room; furniture; table
12349   bed room; furniture; bed

文件 2:

stuff1  mo_restuff  somenumbers anotherfield    12348
stuff2  morestuff   othernumbers    anotherfield    12346
stuff3  more_stuff  somenumbers anotherfield    12347
stuff4  morestuff   somenumbers yetanotherfield 12347
stuff5  morest.uff  alsonumbers anotherfield    12345

结果应该如下所示：

stuff1  mo_restuff  somenumbers anotherfield    living room; furniture; table
stuff2  morestuff   othernumbers    anotherfield    kitchen; furniture; chair
stuff3  more_stuff  somenumbers anotherfield    living room; furniture; sofa
stuff4  morestuff   somenumbers yetanotherfield living room; furniture; sofa
stuff5  morest.uff  alsonumbers anotherfield    kitchen; furniture; table

我尝试了（以及许多其他操作），

awk -F "\t" 'BEGIN { OFS=FS } NR==FNR { a[$1]=$0 ; next } ($5) in a  { print a,$0 } ' file1 file2 > out

但这只是打印了 file2。

我正在 Unix 上工作，最好是 bash 中的解决方案，但 python 也可以。

也感谢之前对我有帮助的其他问题的所有答案！

Answer 1

您的脚本很接近，但是操作{打印A，$ 0}很奇怪。
您能否尝试以下内容：

awk '
    BEGIN {FS = OFS = "\t"}
    NR==FNR {a[$1] = $2; next}
    {$5 = a[$5]}
1' file1 file2 > out

输出：

stuff1  mo_restuff      somenumbers     anotherfield    living room; furniture; table
stuff2  morestuff       othernumbers    anotherfield    kitchen; furniture; chair
stuff3  more_stuff      somenumbers     anotherfield    living room; furniture; sofa
stuff4  morestuff       somenumbers     yetanotherfield living room; furniture; sofa
stuff5  morest.uff      alsonumbers     anotherfield    kitchen; furniture; table

• 在第一个块中，条件fr == fnr，存储$ 2将足够好，而不是$ 0。
• 在file2的下一个块中，只需通过用a索引$ 5索引的值来修改第五字段。
• 最终的1告诉Awk打印$ 0，其中第5个字段如上所述。