awk根据字符串字符比较将两个文件合并为两列

Question

我是一个初学者，我的工作变得越来越困难。 我解释我的问题。 我有两个表File1和File2（参考表）。

File1
num, Name
1, 1_1_busteni
13, 23_Doicesti
40, 2_AR_Moreni
47, 2_AR_Moreni_SUD
55, Petrolul_Romanesc
62, castor

File2
ID_ref, Name_ref
R_001,  BUSTENI
R_002,  DOICESTI-23
R_003,  MORENI
R_004,  MORENI-SUD
R_005,  ROMANESC
R_006,  CASTOR

File3
num, Name,ID_ref,Name_ref
1, 1_1_busteni, R_001, BUSTENI
13, 23_Doicesti, R_002, DOICESTI-23
40, 2_AR_Moreni, R_003, MORENI
47, 2_AR_Moreni_SUD, R_004, MORENI-SUD
55, Petrolul_Romanesc, R_005, ROMANESC
62, castor, R_006, CASTOR

我没有相同的列，但是＆2File1和＆2File2之间有一些相似之处。 File1来自用户，我们想对所有内容进行标准化，因此我有很多不同的情况。 我不知道如何开始。 我的想法是删除第一个文件中的所有“ _”和第二个文件中的“-”，然后进行比较。 我设法做到了

awk 'BEGIN {FS=OFS=","} {gsub(/_/,"",$2)}1' file1.txt and awk 'BEGIN {FS=OFS=","} {gsub(/-/,"",$2)}1’ file2.txt

分别，但是我不知道如何合并和比较两个文件。

我知道我也必须考虑小写字母。 一个好人，给我上面的这段代码 ：它适用于CASTOR
但是如何将其与我的gsub关联？

$ awk '
BEGIN { FS=OFS="," }
NR==FNR {                                                  
    a[tolower($2)]=$0                                      
    next
}
{                                                          
    split($2,b,"[^[:alpha:]]")                             
    print $0 (tolower(b[1]) in a?OFS a[tolower(b[1])]:"")  
}' file2 file1 

也许存在更好的方法，我很开放！

Answer 1

这是awk的一张照片：

$ awk 'BEGIN { FS=", *"; OFS="," }
NR==FNR {
    a[tolower($2)]=$0
    next
}
{
    for(i in a)               # for every city in file2
        if(tolower($2)~i) {   # compare it to a record from file1
            print $0,a[i]     # print it if there is a match
            next
        }
}1' file2 file1
num, Name
1, 1_1_busteni,R_001,  BUSTENI
13, 23_Doicesti
40, 2_AR_Moreni,R_003,  MORENI
47, 2_AR_Moreni_SUD,R_003,  MORENI
55, Petrolul_Romanesc,R_005,  ROMANESC
62, castor,R_006,  CASTOR

最好的方法是使用规则处理名称中的下划线和短划线或使用适当的算法（例如，参见Levenshtein distance ） 匹配近似模式 。