अद्वितीय पहचानकर्ता के साथ दो फाइलें मिलाना

Question

मेरे पास क्रमशः 12900 और 4400 प्रविष्टियों के साथ दो फाइलें हैं, जिसमें मैं शामिल होना चाहता हूं। फाइलों में दुनिया भर के सभी मौसम संबंधी मौसम संबंधी स्टेशनों की स्थान जानकारी होती है। सबसे बड़ी फ़ाइल biweekly अपडेट की जाती है, और वर्ष में एक बार छोटी होती है। मूल फाइलें यहां पाई जा सकती हैं ( http://www.wmo.int/pages/prog/www/ois/volume-a/vola-home.htm और http://weather.rap.ucar.edu/surface/ स्टेशनों । मेरे द्वारा पहले से ही तैयार की गई फ़ाइलों को कुछ मिश्रित awk, sed, और bash स्क्रिप्ट के साथ जोड़ दिया गया है। मैं GEMPAK पैकेज का उपयोग करके डेटा की कल्पना करने के लिए फ़ाइलों का उपयोग करता हूं, जो कि यूनीडाटा से स्वतंत्र रूप से उपलब्ध है। सबसे बड़ी फ़ाइल GEMPAK के साथ काम करेगी, लेकिन केवल अपनी पूरी क्षमता के साथ नहीं। इसके लिए एक जुड़ाव की जरूरत है।

फ़ाइल 1 में मौसम अवलोकन स्टेशनों के लिए स्थान की जानकारी है, जहां पहले 6 अंक अद्वितीय स्टेशन पहचानकर्ता हैं। विभिन्न मापदंडों (स्टेशन संख्या, स्टेशन का नाम, देश का कोड, अक्षांश देशांतर, और स्टेशन ऊंचाई) केवल रेखा में अपनी स्थिति से परिभाषित होते हैं, अर्थात कोई टैब नहीं।

         060090 AKRABERG FYR                        DN  6138   -666     101
         060100 VAGA FLOGHAVN                       DN  6205   -728      88
         060110 TORSHAVN                            DN  6201   -675      55
         060120 KIRKJA                              DN  6231   -631      55
         060130 KLAKSVIK HELIPORT                   DN  6221   -656      75
         060160 HORNS REV A                         DN  5550    786      21
         060170 HORNS REV B                         DN  5558    761      10
         060190 SILSTRUP                            DN  5691    863       0
         060210 HANSTHOLM                           DN  5711    858       0
         060220 TYRA OEST                           DN  5571    480      43
         060240 THISTED LUFTHAVN                    DN  5706    870       8
         060290 GROENLANDSHAVNEN                    DN  5703   1005       0
         060300 FLYVESTATION AALBORG                DN  5708    985      13
         060310 TYLSTRUP                            DN  5718    995       0
         060320 STENHOEJ                            DN  5736   1033      56
         060330 HIRTSHALS                           DN  5758    995       0
         060340 SINDAL FLYVEPLADS                   DN  5750   1021      28

फ़ाइल 2 में अद्वितीय पहचानकर्ता फ़ाइल 1 और एक दूसरा, 4 वर्ण पहचानकर्ता (ICAO लोकेटर) शामिल है।

060100 EKVG
060220 EKGF
060240 EKTS
060300 EKYT
060340 EKSN
060480 EKHS
060540 EKHO
060600 EKKA
060620 EKSV
060660 EKVJ
060700 EKAH
060780 EKAT

मैं दो फ़ाइलों में शामिल होना चाहता हूं, ताकि परिणामी फ़ाइल में पंक्ति में पहले 4 पदों में 4 वर्ण पहचानकर्ता हो, अर्थात पहचानकर्ता को 4 स्थानों को बदलना चाहिए।

         060090 AKRABERG FYR                        DN  6138   -666     101
EKVG     060100 VAGA FLOGHAVN                       DN  6205   -728      88
         060110 TORSHAVN                            DN  6201   -675      55
         060120 KIRKJA                              DN  6231   -631      55
         060130 KLAKSVIK HELIPORT                   DN  6221   -656      75
         060160 HORNS REV A                         DN  5550    786      21
         060170 HORNS REV B                         DN  5558    761      10
         060190 SILSTRUP                            DN  5691    863       0
         060210 HANSTHOLM                           DN  5711    858       0
EKGF     060220 TYRA OEST                           DN  5571    480      43
EKTS     060240 THISTED LUFTHAVN                    DN  5706    870       8
         060290 GROENLANDSHAVNEN                    DN  5703   1005       0
EKYT     060300 FLYVESTATION AALBORG                DN  5708    985      13
         060310 TYLSTRUP                            DN  5718    995       0
         060320 STENHOEJ                            DN  5736   1033      56
         060330 HIRTSHALS                           DN  5758    995       0
EKSN     060340 SINDAL FLYVEPLADS                   DN  5750   1021      28

क्या इस कार्य को कुछ बैश और / या जागृत स्क्रिप्ट के साथ पूरा करना संभव है?

Comments

क्या आईडी फ़ील्ड द्वारा छांटी गई फाइलें हैं?

— चमत्कार 173

Answer 1

awk 'BEGIN { while(getline < "file2" ) { codes[$1] = $2 } }
     { printf "%4s%s\n", codes[$1], substr($0, 5) }' file1

Comments

एक सुरुचिपूर्ण समाधान, जिसे मैं केवल कुछ बुनियादी कौशल के साथ समझता हूं। धन्यवाद!

— स्टाफ़नर शरलॉफ़

प्रोग्राम एक फ़ाइल को पढ़ने से पहले मेमोरी में पढ़ता है। यदि फ़ाइलें बड़ी हो जाती हैं जो प्रदर्शन को काफी कम कर सकती हैं। बड़ी फ़ाइल के लिए इस विधि का उपयोग नहीं किया जा सकता है।

— चमत्कार 173

Answer 2

हम में से कुछ लोग यह देखना चाहते थे कि क्या हम joinकेवल इस समस्या को हल कर सकते हैं । ऐसा करने का मेरा प्रयास है। चूँकि यह आंशिक रूप से काम करता है @ टेरडॉन ने मुझे रात का खाना दिया 8-)।

आदेश

$ join -a1 -1 1 -2 1 -o 2.2 1.1 1.2 1.3 1.4 1.5 1.6 1.7 -e "N/A" \
     <(sort file1) <(sort file2)

उदाहरण

$ join -a1 -1 1 -2 1 -o 2.2 1.1 1.2 1.3 1.4 1.5 1.6 1.7 -e "N/A" <(sort file1) <(sort file2) | column -t
N/A   060090  AKRABERG          FYR         DN    6138  -666  101
EKVG  060100  VAGA              FLOGHAVN    DN    6205  -728  88
N/A   060110  TORSHAVN          DN          6201  -675  55    N/A
N/A   060120  KIRKJA            DN          6231  -631  55    N/A
N/A   060130  KLAKSVIK          HELIPORT    DN    6221  -656  75
N/A   060160  HORNS             REV         A     DN    5550  786
N/A   060170  HORNS             REV         B     DN    5558  761
N/A   060190  SILSTRUP          DN          5691  863   0     N/A
N/A   060210  HANSTHOLM         DN          5711  858   0     N/A
EKGF  060220  TYRA              OEST        DN    5571  480   43
EKTS  060240  THISTED           LUFTHAVN    DN    5706  870   8
N/A   060290  GROENLANDSHAVNEN  DN          5703  1005  0     N/A
EKYT  060300  FLYVESTATION      AALBORG     DN    5708  985   13
N/A   060310  TYLSTRUP          DN          5718  995   0     N/A
N/A   060320  STENHOEJ          DN          5736  1033  56    N/A
N/A   060330  HIRTSHALS         DN          5758  995   0     N/A
EKSN  060340  SINDAL            FLYVEPLADS  DN    5750  1021  28

विवरण

ऊपर बहुत उपलब्ध हर विकल्प का उपयोग कर रहा है join का उपयोग कर रहा है, जो मेरी आंत को बताता है कि हम इसे गलत उपयोग कर रहे हैं, जैसे कि किसी प्रकार के फ्रेंकस्टीन में, लेकिन हम सभी यहां सीख रहे हैं, इसलिए यह ठीक है ... मुझे लगता है।

स्विच -a1किसी भी लाइनों को शामिल करने के लिए कहता है जो फ़ाइल 1 में फ़ाइल 2 से संगत मेल नहीं रखता है। तो यह वह है जो इन लाइनों को प्रदर्शित करने के लिए चला रहा है:

N/A   060330  HIRTSHALS         DN          5758  995   0     N/A

-1 1और -2 1कह रहे हैं कॉलम मुख्य रूप से उनके 1 कॉलम, पर 2 फ़ाइलों से लाइनों में शामिल होने का है। -o ...कह रहा है जो 2 फाइलों से स्तंभ प्रदर्शित किस क्रम में करने के लिए।

-e "N/A"स्ट्रिंग "N / A" एक स्थान धारक मूल्य के रूप में उपयोग करने के लिए फ़ील्ड से खाली माना जाता है के लिए मुद्रित करने के लिए कहते हैं join।

अंतिम 2 तर्क 2 फाइलों को फीड कर रहे हैं, file1और file2जैसा कि ज्वाइन कमांड में सॉर्ट किया गया है।

कृपया दयालु रहें, क्योंकि यह एक कार्य प्रगति पर है और हम यह प्रदर्शित करने का प्रयास कर रहे हैं कि joinकमांड का उपयोग करके कोई व्यक्ति इस प्रकार की समस्या को कैसे हल करेगा , क्योंकि यह उस प्रकार की समस्या प्रतीत होगी जिसके लिए यह अभिप्रेत था।

बकाया मुद्दे

1. तीसरा स्तंभ

   यह 1 शब्द और 2 शब्द मानों के मिश्रण के बाद से मुख्य स्तंभ 3 कॉलम के साथ कैसे लड़ा जाए। यह एक प्रमुख ठोकर की तरह लगता है joinऔर मैं इसके आसपास एक तरह से समझ नहीं सकता। किसी भी मार्गदर्शन की सराहना की जाएगी।

2. रिक्ति

   सभी मूल रिक्ति के साथ खो गया है joinऔर मुझे इसे आसपास रखने का कोई रास्ता नहीं दिख रहा है। तो joinहो सकता है कि इस प्रकार की समस्याओं से निपटने का सही तरीका न हो।

3. हालांकि काम करने लगता है?

   कमांड लाइन के साथ बहुत झुकने के बाद सामान्य समाधान होता है इसलिए ऐसा लगता है कि यह कम से कम आंशिक रूप से काम कर सकता है, इसलिए इसका उपयोग एक समाधान के मूल में किया जा सकता है, और फिर अन्य उपकरणों का उपयोग करें जैसे कि awkऔर sedइसे साफ करने के लिए । यह सवाल भी जन्म देती है, हालांकि: "उसे अपने साथ की सफाई कर रहे हैं awkऔर sedकिसी भी तरह से है, तो आप के रूप में अच्छी सिर्फ उन्हें सीधे उपयोग कर सकते हैं?"।

Comments

@Terdon - इस उत्तर को देखें, मुझे बताएं कि आप क्या सोचते हैं।

— स्लम

+1 मुझे लगता है कि यह यूनिक्स टूल है जिसे इस तरह के कार्य को हल करने के लिए प्रोग्राम किया गया था

— चमत्कार 173

क्यों नहीं -ई "" के बजाय -ई "एन / ए"। क्या यह काम नहीं करता है (मैं इसे आज़मा नहीं सकता)?

— चमत्कार 173

@ चमत्कार 173 - सभी तरीकों से, हाँ एक arg के रूप में एक स्थान का उपयोग। काम भी करता है। मैंने एन / ए का विकल्प चुना ताकि यह स्पष्ट हो सके कि यह क्या कर रहा था।

— स्लम

@terdon - हाँ, यह एक मजेदार समस्या थी, कोई भी कम नहीं था, इस पर एक साथ काम करने में मज़ा आया, उम्मीद है कि हम भविष्य की कुछ समस्याओं पर एक साथ काम कर सकते हैं। मुझे अभी भी लगता है कि यह उत्तर साइट पर एक उपयोगी उद्देश्य प्रदान करेगा क्योंकि मुझे joinअब तक इसके कई चरम उदाहरण नहीं मिल पाए हैं क्योंकि इंटरनेट में यह एक है। 8-)

— SLM

Answer 3

इसका उपयोग संभव होना चाहिए,join लेकिन मैं यह नहीं समझ सकता कि इसे प्रिंट स्पेस और खाली फ़ील्ड को सही तरीके से कैसे बनाया जाए। वैसे भी, यह थोड़ा पर्ल स्क्रिप्ट चाल कर देगा:

#!/usr/bin/env perl

## Open file2, the one that contains the codes
## it is expected to be the 1st argument given to the script.
open($a,"$ARGV[0]"); 

## Read the number<=>code pairs into a hash (an associative array)
## called 'k'
while (<$a>) {
    chomp; @f=split(/\s+/); $k{$f[0]}=$f[1];
}

## Open file1, the one that contains the data
## it is expected to be the 2nd argument given to the script.
open($b,"$ARGV[1]"); 
## Go through the file
while (<$b>) {
    ## Split each line at white space into the array @f
    @f=split(/\s+/);  

    ## $f[1] is the 6 digit number that defines the different stations.
    ## If this number has an entry in the hash %k, if it was found
    ## in file2, replace the first 4 spaces with its value from the hash.
    s/^\s{4}/$k{$f[1]}/ if defined($k{$f[1]});

    ## Print each line of the file
    print; 
}

इसे सहेजें foo.plऔर निम्नानुसार चलाएं:

$ perl foo.pl file2 file1
         060090 AKRABERG FYR                        DN  6138   -666     101
EKVG     060100 VAGA FLOGHAVN                       DN  6205   -728      88
         060110 TORSHAVN                            DN  6201   -675      55
         060120 KIRKJA                              DN  6231   -631      55
         060130 KLAKSVIK HELIPORT                   DN  6221   -656      75
         060160 HORNS REV A                         DN  5550    786      21
         060170 HORNS REV B                         DN  5558    761      10
         060190 SILSTRUP                            DN  5691    863       0
         060210 HANSTHOLM                           DN  5711    858       0
EKGF     060220 TYRA OEST                           DN  5571    480      43
EKTS     060240 THISTED LUFTHAVN                    DN  5706    870       8
         060290 GROENLANDSHAVNEN                    DN  5703   1005       0
EKYT     060300 FLYVESTATION AALBORG                DN  5708    985      13
         060310 TYLSTRUP                            DN  5718    995       0
         060320 STENHOEJ                            DN  5736   1033      56
         060330 HIRTSHALS                           DN  5758    995       0
EKSN     060340 SINDAL FLYVEPLADS                   DN  5750   1021      28

Comments

यह उत्कृष्ट काम करता है। बहुत धन्यवाद - मैं वास्तव में कोड में आपके समझाने वाले पाठ की सराहना करता हूं।

— स्टाफ़रन शरलॉफ़

@StaffanScherloff आपका स्वागत है। यदि यह आपके प्रश्न का उत्तर देता है, तो कृपया इसे स्वीकृत के रूप में चिह्नित करें ताकि प्रश्न को उत्तर के रूप में चिह्नित किया जा सके।

— terdon

@StaffanScherloff दूसरे विचार पर, एक को स्वीकार करें, यह बहुत बेहतर है। - terdon 5 मिनट पहले

— terdon

@terdon - क्या तुमने इस एक के साथ उपद्रव अब शामिल होने का उपयोग कर? जाने के रास्ते की तरह लगता है, -oपहले कभी भी इसकी सुविधा का उपयोग नहीं किया था, जैसे मैं उम्मीद नहीं कर रहा था।

— SLM

@ एसएलएम नहीं, मैं कुछ संयोजन के बारे में सोच रहा था -oऔर -eइसे उन प्रिंट लाइनों के लिए नहीं मिला , जिनकी फाइल 2 में कोई प्रविष्टि नहीं थी। सौभाग्य, मैं जानना चाहूंगा कि क्या यह संभव है।

— terdon

Answer 4

बैश करेंगे।

#!/usr/bin/env bash

# ### create a psuedo hash of icao locator id's
# read each line into an array
while read -a line; do
  # set icao_nnnnnn variable to the value
  declare "icao_${line[0]}"=${line[1]}
done <file2


# ### match up icao id's from file1
# read in file line at a time
while IFS=$'\n' read line; do
  # split the line into array
  read -a arr <<< "$line"
  # if the icao_nnnnnn variable exists, it will print out
  var="icao_${arr[0]}"
  printf "%-8s %s\n" "${!var}" "$line"
done <file1

"हैश" बैश 4 के साथ जो चल रहा है, उसके विवरण के लिए इस एसओ उत्तर को साहचर्य सरणी के मूल रूप से समर्थन करता है, लेकिन यह 3 + 4 (शायद 2?) में काम करना चाहिए।

अपनी स्वरूपण प्राप्त करने के लिए आपको फ़ाइल 1 से लाइन को ट्रिम करने की आवश्यकता हो सकती है।

Answer 5

यहाँ एक सरल तरीका है join(+ कुछ और उपकरण के साथ) और रिक्ति को संरक्षित करने के लिए। स्टेशन की संख्या के आधार पर दोनों फाइलों को छांटा जाना चाहिए ताकि कोई अतिरिक्त छंटाई की आवश्यकता न हो:

join -j1 -a1 -o 2.2 -e "    " file1 file2 | paste -d' ' - <(cut -c6- file1)

पाइप से पहले का हिस्सा उसके जवाब में इस्तेमाल किए गए स्लम के समान है, इसलिए मैं इसे दोबारा नहीं ले जाऊंगा। एकमात्र अंतर यह है कि मैं उपयोग कर रहा हूं - लापता इनपुट फ़ील्ड के प्रतिस्थापन के रूप में चार-रिक्तियाँ स्ट्रिंग और फ़ाइल 2 के केवल 2 फ़ील्ड का उत्पादन करने के लिए। इसलिए चार-चार-चौड़े स्तंभ का निर्माण करता है (यह नीचे दिखाई नहीं देता है, लेकिन ईके के बाद कुछ भी नहीं है। ** और खाली लाइनें वास्तव में चार स्थान हैं):-e " "-o 2.2
join -j1 -a1 -o 2.2 -e " " file1 file2

EKVG







EKGF
EKTS

EKYT



EKSN

हम तो pasteयह (फ़ाइल करने के लिए एक सीमांत के रूप में स्थान का उपयोग) से फ़ाइल 1 जिसमें हम cutपहले 5 अक्षर हैं | paste -d' ' - <(cut -c6- file1)
अंतिम परिणाम:

         060090 AKRABERG FYR                        DN  6138   -666     101
EKVG     060100 VAGA FLOGHAVN                       DN  6205   -728      88
         060110 TORSHAVN                            DN  6201   -675      55
         060120 KIRKJA                              DN  6231   -631      55
         060130 KLAKSVIK HELIPORT                   DN  6221   -656      75
         060160 HORNS REV A                         DN  5550    786      21
         060170 HORNS REV B                         DN  5558    761      10
         060190 SILSTRUP                            DN  5691    863       0
         060210 HANSTHOLM                           DN  5711    858       0
EKGF     060220 TYRA OEST                           DN  5571    480      43
EKTS     060240 THISTED LUFTHAVN                    DN  5706    870       8
         060290 GROENLANDSHAVNEN                    DN  5703   1005       0
EKYT     060300 FLYVESTATION AALBORG                DN  5708    985      13
         060310 TYLSTRUP                            DN  5718    995       0
         060320 STENHOEJ                            DN  5736   1033      56
         060330 HIRTSHALS                           DN  5758    995       0
EKSN     060340 SINDAL FLYVEPLADS                   DN  5750   1021      28