linux – 打印Unix中两个大文件不常见的行的最佳方法教程
我有两个文件格式如下.
File1: – 它包含4列.第一个字段是文本格式的ID,其余列也是一些文本值.
id1 val12 val13 val14
id2 val22 val23 val24
id3 val32 val33 val34
File2 – 在文件二中我只有ID.
id1
id2
产量
06002
我的问题是:如何从第一个文件中查找其ID(第一个字段)未出现在第二个文件中的行.这两个文件的大小非常大,file1包含4200万行,大小为8GB,file2包含3300万个ID.两个文件中的ID顺序可能不同.
解决方法:
你可以用awk这样做:
awk 'FNR == NR { h[$1] = 1; next } !h[$1]' file2 file1
第一个块将id2从file2收集到h哈希中.如果file2中不存在id,则最后一部分(!h [$1\])执行默认块({print $0}).