我正尝试通过使用文本文件.sm中列出的相当长的一组单词（约180.108项）对file1 file2进行过滤，将其减少约10 GB。
File1的结构如下：
word <http://internet.address.com> 1
即one word后跟a blank space，an internet address和number。
File2是一个简单的.txt文件，一个单词列表，每行一个。
我的目标是创建第三个文件File3，该文件仅包含file1中的第一个单词与file2的单词列表匹配的行，而忽略其余的行。
我的尝试如下：
grep -w -F -f file2.txt file1.sm > file3.sm
我也尝试过以下方法：
gawk 'FNR==NR {a[$1]; next } !($2 in a)' file2.txt file1.sm > file3.sm
，但没有成功。我了解/^和\b可能在这里发挥了作用，但我不知道如何在语法中使用它们。我已经四处张望，但似乎没有合适的解决方案。
我的问题是，grep在这里读取了整个file1的行，并且可能出现匹配的单词位于网页地址中的情况，我对此一无所知。
答案 0 :(得分：2)
sed 's/^/^/' file2.txt | grep -f - file1.sm
答案 1 :(得分：1)
join是最好的工具，而不是grep / awk：
join -t' ' <(sort file1.sm) <(sort file2.txt) >file3.sm