修改和比较两个文件的相似度

Question

我有两个文件。file1的样例值如下:

1313 0 60
1313 1 60
1314 0 60
1314 1 57
1315 1 60
1316 0 60
1316 1 57
1317 1 57
1318 1 57
1333 0 57
1333 1 57
1334 0 60
1334 1 60

file2的样例值如下:

813 0 91
813 1 91
814 0 91
814 1 91
815 0 96
815 1 91
816 0 91
816 1 91
817 1 96
818 0 91
832 0 96
833 0 91
833 1 91
834 0 96

我试图修改file1并创建一个file3与以下值(如您所见，file1的最后一列中的值是不相关的):

1 0 
1 1 
2 0 
2 1 
3 1 
4 0 
4 1 
5 1 
6 1 
21 0 
21 1 
22 0 
22 1 

同样，file2需要修改，并且要用以下值创建file4 (file2最后一列中的值无关):

1 0
1 1
2 0
2 1
3 0 
3 1
4 0
4 1
5 1
6 0
20 0
21 0
21 1
22 0

在创建file3和 fil4 之后，我打算使用diff实用程序检查它们的相似性。为了生成file3和 fil4 ，我正在尝试编写awk脚本。但是作为awk的初学者，我发现这个任务非常耗时。如有任何指导，我将不胜感激。

Answer 1

我们可以从第一行的$1中获取值，然后在公式中使用它来计算偏移量。这里假设最小的$1位于第一行。

awk 'NR==1 { i=$1 } { print $1-i+1,$2 }'

例如，你可以这样写:

awk 'NR==1 { i=$1 } { print $1-i+1,$2 }' file1 > file3
awk 'NR==1 { i=$1 } { print $1-i+1,$2 }' file2 > file4
diff file3 file4

这是我之前的版本，直到我发现你真的在找一个补偿。我以为你只是想根据$1的变化来改变它。我们可以设置一个变量来检查行与行之间的值变化，并且只在$1变化时增加计数器。这假定它们是分组的。

awk 'n!=$1 { i++ } { print i,$2 } { n=$1 }'

例如，你可以这样写:

awk 'n!=$1 { i++ } { print i,$2 } { n=$1 }' file1 > file3
awk 'n!=$1 { i++ } { print i,$2 } { n=$1 }' file2 > file4
diff file3 file4