Question

我有两个文本文件，如下所示：

col1 primary col3 col4
blah 1       blah  4
1    2       5     6
...

和

colA primary colC colD
1    1       7    27
foo  2       11   13

我想将它们合并到一个更宽的表中，例如：

primary  col1 col3 col4 colA colC colD
1        blah blah 4    a    7    27
2        1    5    6    foo  11   13

我对Perl很新，所以我不确定最好的方法是做什么。请注意，列顺序无关紧要，并且有几百万行。我的文件很遗憾也没有排序。

我目前的计划，除非有替代方案：对于其中一个文件中的给定行，扫描另一个文件以查找匹配的行，并根据需要将它们附加到新文件中。这听起来既缓慢又麻烦。

谢谢！

Answer 1

解决方案1。
1. 使用标准的CPAN分隔文件解析器（如TXT::CSV_XS）逐行读取两个文件中较小的一个，以解析列。
2. 将每条记录（作为列的arrayref）保存在哈希中，合并列为哈希键
3. 完成后，使用标准CPAN分隔文件解析器（如TXT::CSV_XS）逐行读取两个文件中较大的一个，以解析列。
4. 对于每条记录，找到连接键字段，从存储文件＃1中的数据的哈希中找到匹配记录，根据需要合并2条记录，然后打印。

解决方案2。
1. 将file1（使用Unix sort或一些简单的Perl代码）排序到＆＃34; file1.sorted＆＃34;
2. 将file2（使用Unix sort或一些简单的Perl代码）排序到＆＃34; file2.sorted＆＃34;
3. 打开两个文件进行阅读。循环直到两者都被完全读取：
  - 如果该文件的缓冲区为空（缓冲区只是包含下一条记录的变量），则从每个文件中读取1行到缓冲区。
  - 比较2行之间的索引。
  - 如果index1＆lt; index2，将file1的记录写入输出（不合并）和空buffer1。重复步骤3
  - 如果index1＆gt; index2，将file2的记录写入输出（不合并）和空buffer2。重复。
  - 如果index1 == index2，合并2条记录，将合并后的记录写入输出并清空两个缓冲区（假设连接索引列是唯一的。如果不唯一，则此步骤更复杂）。