awk比较两个文件的差异

awk在linux下可以非常方便地处理文本和数据，可以在命令行使用，但更多的是作为一种脚本语言使用，简直是处理文本的神器啊。AWK的内容比较多，这里主要介绍比较文件差异的操作。涉及的相关概念如下：

NR：整个脚本当前已经读过的记录数，就是行号，从1开始。随着所读文件的数目，一直累加。
FNR：同NR，不过是相对于当前在读的文件记录数。每开始读一个文件时，从1开始累加，相当于行号。读完一个文件后就会清0，新的文件又会从1重新开始计数累加。
ARGIND：命令行中当前文件的位置，从0开始。
ARGV：包含命令行参数的数组
FILENAME：当前文件名
NR和FNR可用于处理两个文件

当处理两个文件时，常用的方法有三种：
[cc lang=”python”]
awk ‘NR==FNR{ block1; next} { block2 }’ file1 file2
awk ‘NR==FNR{ block1 } NR>FNR{ block2 }’ file1 file2
awk ‘NR==FNR{ block1 } NR!=FNR{ block2 }’ file1 file2
[/cc]

处理file1时，NR和FNR随着所读行数增加而递增，一直满足NR==FNR，从而先执行前一个命令块block1。对于1，由于此block1之后中有next命令，会直接读取file1的下一行，后面的命令块block2就不会执行。2和3中一直满足NR==FNR，后面的命令块block2就不会执行。直到读取file1结束

处理file2时，FNR随着行数增加从1开始计数，而NR会从读完file1是的计数继续递增，因此从读取file2开始，满足NR>FNR，也满足NR!=FNR，1、2和3中的条件NR==FNR都不满足，前面的语句块block1就不会执行，后面的语句块block2开始执行。直到file2处理完毕。

ARGIND和ARGV都是和命令行相关

ARGV存储的是awk的所有命令行参数，从做到右存放，但是ARGV[0]是’awk‘，之后才是传入的参数
ARGIND可以看作是ARGV的下标，ARGIND==0时相当于ARGV[0]
FILENAME代表的是当前处理的文件名，可以和ARGIND及ARGV中的值想比较进行条件判断
[cc lang=”python”]
awk ‘ARGIND==1{ block1 } ARGIND==2{ block2 } ARGIND==3{ block3 }’ file1 file2 file3
awk ‘FILENAME==ARGV[1]{ block1 } FILENAME==ARGV[2]{ block2 } FILENAME==ARGV[3]{ block3 }’ file1 file2 file3
awk ‘FILENAME==”file1″{ block1 }FILENAME==”file2″{ block2 }FILENAME==”file3″{ block3 }’ file1 file2 file3
[/cc]
ARGIND的值分别为1、2和3时，对应的语句块block1、block2和block3处理的文件分别是file1、file2和file3。

ARGV[1]的值为file1，FILENAME==ARGV[1]，表示当前处理的文件时file1。此时，ARGV[1]和“file1”等价，满足条件判断即执行相应的语句块。

现在进行实际操作处理。有两个文件，file1和file2
file1文件的内容是：

file2文件的内容是：

每个文件包括15行5列内容，每个文件第1列相同，想对第5列进行差异判断。
先来看相同的内容，命令如下：
[cc lang=”python”]
awk -F\\t ‘NR==FNR{a[$1]=$5} NR>FNR &&a[$1]&&($5==a[$1]) { print $0,”—-“$5,”—-“a[$1]}’ file1 file2
[/cc]
-F\\t表示这里是通过\t作为列直接的分隔符。NR==FNR表示读取的是第一个文件，读取第一个文件时两个数值相等。再读取后面文件是NR的会大于FNR。循环读取第一个文件file1，并将文件内容存放于数组a中，在这里是将file1中的第一列 作为index，第5列作为内容，可以将其理解为一个key/value形式，即a[key]=value。读取完第一个文件后继续读取file2，此时file2中的第一列在file1读取的内容a中存在，并且对应的内容等于第5列，则打印file2中每一行信息，和file1中的第5列。上述命令的执行结果为：

再来看不同的内容，命令如下：
[cc lang=”python”]
awk -F\\t ‘NR==FNR{a[$1]=$5} NR>FNR &&a[$1]&&($5!=a[$1]) { print $0,”—-“$5,”—-“a[$1]}’ file1 file2
[/cc]
打印结果为：