Question

我有一个awk生成的术语列表，terms.txt。我需要搜索一个包含1000个小xml文件的目录，以便与terms.txt中的任何术语完全匹配。我需要生成第二个列表matches.txt，其中包含每个匹配的文件名和术语。

可以用awk做到这一点吗？我想如果我使用awk重新格式化列表，如下所示： “字词1 |词条2 | TERM3 | ...” ...也许我可以使用变量（VariableName）来表示重新格式化的列表字符串，然后使用它来匹配术语：

awk "/VariableName/{ print FILENAME \": \" $0;}" C:\directory\*.txt > matches.txt

是否可以在awk中创建和使用这样的变量？如果没有，awk中有更好的方法吗？也许这个列表可以一次输入并与目录匹配一次？

任何帮助都将不胜感激。

Answer 1

GNU代码awk：

awk -f prog.awk terms.txt "C:\directory\*.txt"

NR==FNR {t[$0]; next}
{
    for (x in t) {
        p="\\<"x"\\>"
        if (match ($0, p ))
            {
            f[FILENAME]
            m[FILENAME,x]++
            }
        }
}

END {
    for (a in f)
        {
        printf("\n%s", a)
        for (b in t)
            {
            if (m[a,b]) {printf("|%s", b)}
            }
        }
}

与word boundaries匹配。

Answer 2

您可以使用awk执行此操作，但有一个简单的grep解决方案：

grep -f terms.txt directory/*xml -o

将文本文件中的每个术语与目录中的所有文本文件进行匹配

2 个答案: