Question

嗯，我认为很难。也许你会发现它很容易。

我有两个文件：BUYINGORDERS，PRODUCTMASTERLIST

BUYINGORDERS（ProductID，ProductDescription）是这样的：

1;fresh coke bottle 1 lt
2;cheese CheesyBrand yellow 2 kg
3;little newborn puppies 10 kg

PRODUCTMASTERLIST（ProductDescription，Price）是这样的：

CheesyBrand yellow cheap cheese 2 kg;3.40    
bottle of very fresh coke of 1 lt;2.90

我需要在PRODUCTMASTERLIST中找到BUYINGORDERS中的描述。正如你所看到的那样，那些线条并不完全相同：匹配的条件是购买者中条目中的每个单词。 ProductDescription应该在PRODUCTMASTERLIST的ProductDescription中有任何订单。 PRODUCTMASTERLIST中的条目甚至可能包含更多单词。

所以，尽管略有不同，BUYINGORDERS的第1行与PRODUCTMASTERLIST的第2行相匹配，因为单词“fresh＆＃39;”，“coke＆＃39;”，“＆＃39;瓶子＆＃39;”，＆＃39; 1＆＃39;和＆＃39; lt＆＃39;是＃1瓶中非常新鲜的可乐瓶。

现在，我不是要求你做我的作业（当然，我不会抱怨），但我会非常感谢至少可能采取的措施。

Answer 1

提取您关心的整个字段
对每个字段中的值进行排序
坚持＆＃34;。*＆＃34;在较短的字符串中的每个值之间
使用更长的排序字符串查找修改后的较短排序字符串什么支持regexps

通过对值进行排序，您可以依赖＆＃34; fresh。* coke＆＃34;匹配＆＃34;新鲜可乐＆＃34;和＃34;新鲜的friggin＆＃39;焦炭＆＃34;

Answer 2

好的 - 没有给你完整的答案，我在这里解决它：

找出哪个文件可能更小 - 您可能需要将一个文件读入一个数组，然后绕另一个文件的每一行循环进行比较
使用IFS拆分分号
将说明转换为单词数组（例如bWords=( ${bDesc} )）
现在您可以计算购买者描述中的单词数量
在BUYINGORDERS描述中查找每个单词，然后使用PRODUCTMASTERLIST中每个单词的嵌套循环（例如for bWord in ${bWords[@]}; do for pWord in ${pWords[@]}; do ...）
每次找到bWord == pWord时，都会增加一个计数器。如果计数器达到bWords中的字数，则表示您符合条件
在任何一个描述中特别注意重复的单词 - 你不想计算它们两次并产生误报（例如，当找到匹配时使用continue - 我最近了解到你可以使用{ {1}}从内循环移动到外循环的下一次迭代。这很好。）

这是一次蛮力搜索，因此效率不高。如果文件很大，可能会变慢。另一种方法是使用它来对每个描述进行哈希处理 - 如果你对如何生成哈希很聪明，你甚至可以使用二进制AND运算来查看是否包含了一个描述＆＃ 39;在另一个。但我不确定Bash真的能做到这一点：）

（硬）比较Shell脚本中的列表

2 个答案: