从第2列中删除第1列中的字符串

Question

我有一个非常大的ex​​cel文件（150000行）。对于每一行，我在第1列中都有一个字符串，我需要在第2列中找到并删除。

Input column 1    Input column 2                     Output column3
-------------------------------------------------------------------------
dog3456           dog3456; cat2345; chicken3595      cat2345; chicken3595
sheep23349        bird2048; rhino2948; sheep23349    sheep23349 
frog248034        toad3956; frog248034               frog248034

有人有任何建议吗？

谢谢！

Answer 1

我决定将您的两列电子表格导出为制表符分隔。

cat data.tab
dog3456 dog3456; cat2345; chicken3595 sheep23349 bird2048; rhino2948; sheep23349 frog248034 toad3956; frog248034

并且awk脚本输出第三列。

awk -F'\t' '{split($2,a,";"); for(i in a){gsub(" ","",a[i]); if(a[i]!=$1)printf("%s; ",a[i])}print ""}' data.tab

输出：
cat2345; chicken3595; bird2048; rhino2948; toad3956;