Comparación lado a lado de más de dos archivos que contienen valores numéricos.

8

Tengo tres archivos que contienen una secuencia ordenada de números, uno por línea:

archivo1

1
2
3

archivo2

1
3
4

file3

1
5

Quiero "alinear" estos tres archivos uno al lado del otro de la siguiente manera:

file1  file2  file3
1      1      1
2      
3      3
       4
              5

Lo he intentado sdiffpero solo funciona con 2 archivos

Cheseaux
fuente
¿Pruebas diff3?
Costas
@ Costas diff3no tiene ese formato de salida.
Kusalananda
@Costas Sí, he probado con diff3y como @Kusalananda dijo correctamente, no produce esa salida. Además, estoy buscando una solución genérica (para n archivos, n> 2)
cheseaux
Si compara línea por línea, ¿por qué 5está en la quinta línea como resultado en lugar de la tercera?
Costas
No comparo línea por línea
cheseaux

Respuestas:

6

Puede procesar cada archivo e imprimir una línea con algún carácter, por ejemplo, Xpara cada número faltante en la secuencia 1- max (donde max es el último número en ese archivo), pastelos resultados luego reemplazan ese carácter con espacio:

paste \
<(awk 'BEGIN{n=1};{while (n<$1) {print "X";n++}};{n=$1+1};1' file1) \
<(awk 'BEGIN{n=1};{while (n<$1) {print "X";n++}};{n=$1+1};1' file2) \
<(awk 'BEGIN{n=1};{while (n<$1) {print "X";n++}};{n=$1+1};1' file3) \
| tr X ' '

Si falta un cierto valor en todos los archivos, obtendrá líneas vacías en su salida (en realidad no están vacías, solo contienen espacios en blanco).
Para eliminarlos, reemplácelos tr X ' ' con sed '/[[:digit:]]/!d;s/X/ /g' Además, si necesita un encabezado, siempre puede ejecutar algo como esto primero:

 printf '\t%s' file1 file2 file3 | cut -c2-
don_crissti
fuente
Sin ;1embargo, me costó descubrir qué significaba la parte al final. Estoy usando en su {print $0}lugar, un poco menos críptico en mi humilde opinión. De todos modos, gracias de nuevo
cheseaux
5

Una solución general con awk: requiere GNU awk

gawk -v level=0 '
    FNR==1 {level++; head[level]=FILENAME}
    !seen[$1]++ { n++; idx[$1] = n }
    { out[idx[$1]][level] = $1 }
    END {
        for (j=1; j<=level; j++) {
            printf "%s\t", head[j]
        }
        print ""
        for (i=1; i<=n; i++) {
            for (j=1; j<=level; j++) {
                printf "%s\t", out[i][j]
            }
            print ""
        }
    }
' file{1,2,3,4}
file1   file2   file3   file4   
1   1   1       
2           2   
3   3           
    4       4   
        5       
            6   

Tomó un enfoque diferente y más simple para esto basado en el comentario de Don:

gawk '
    FNR==1 { printf "%s\t", FILENAME }
    { seen[$1][FILENAME] = $1 } 
    END {
        print ""
        PROCINFO["sorted_in"]="@ind_num_asc"
        for (i in seen) {
            for (j=1; j<=ARGC; j++) {
                printf "%s\t", seen[i][ARGV[j]]
            } 
            print ""
        }
    }
' file{1,2,3,4}
file1   file2   file3   file4       
    1   1           
            2       
3   3               
    4       4       
5       5           
            6       
7                   
Glenn Jackman
fuente
Entendido. Respuesta actualizada
glenn jackman
3

Una solución con bash, join, paste, y el mal gusto:

#! /usr/bin/env bash

if [ $# -lt 3 ]; then exit 1; fi

files=( '' "$@" )

declare -a temps
for ((i=0; i<=$#; i++)); do
    [ $i -eq 0 -o -f "${files[$i]}" ] || exit 1
    temps[$i]=$( mktemp -t "${0##*/}"_$$_XXXXXXXX ) || exit 1
done
trap 'rm -f "${temps[@]}"' EXIT HUP INT QUIT TERM

cat "$@" | sort -u >"${temps[0]}"

TAB=$( printf '\t' )
for ((i=1; i<=$#; i++)); do
    join -j1 -a1 -t"$TAB" "${temps[0]}" <(paste "${files[$i]}" "${files[$i]}") | \
        sed "/^[^$TAB]\$/ s/\$/$TAB/" >"${temps[$i]}"
done

printf '%s' ${files[1]}
for ((i=2; i<=$#; i++)); do
    printf '\t%s' ${files[$i]}
    let j=i-1
    let k=i-2
    join -j1 -t"$TAB" "${temps[$j]}" "${temps[$i]}" >"${temps[$k]}"
    cat "${temps[$k]}" >"${temps[$i]}"
done
printf '\n'

cut -d "$TAB" -f 2- <"${temps[$#]}" | sort -n

Excepto por el último sort -n, todo esto funciona con cualquier elemento de texto en lugar de números, siempre que los elementos no contengan pestañas (pero TABse pueden cambiar a cualquier otro separador). Además, podría hacerse con solo 3 archivos temporales y algunas cosas que se barajan (pero eso solo aumentaría el mal sabor).

Satō Katsura
fuente