Linux awk يقارن بين ملفين بتنسيق CSV وينشئ ملفًا جديدًا بعلامة

Question

لدي ملفين CSV أحتاج إلى مقارنتهما والحصول على الفرق مع ملف منسق حديثًا.وترد العينات أدناه.

الملف القديم

DTL,11111111,1111111111111111,11111111111,Y,N,xx,xx
DTL,22222222,2222222222222222,22222222222,Y,Y,cc,cc
DTL,33333333,3333333333333333,33333333333,Y,Y,dd,dd
DTL,44444444,4444444444444444,44444444444,Y,Y,ss,ss
DTL,55555555,5555555555555555,55555555555,Y,Y,qq,qq

ملف جديد

DTL,11111111,1111111111111111,11111111111,Y,Y,xx,xx
DTL,22222222,2222222222222222,22222222222,Y,N,cc,cc
DTL,44444444,4444444444444444,44444444444,Y,Y,ss,ss
DTL,55555555,5555555555555555,55555555555,Y,Y,qq,qq
DTL,77777777,7777777777777777,77777777777,N,N,ee,ee

ملف إلاخراج

أريد مقارنة ملفات CSV القديمة والجديدة والعثور على التغييرات التي تم إجراؤها في الملف الجديد وتحديث علامة للإشارة إلى هذه التغييرات

u - إذا تم تحديث سجل الملف الجديد d - إذا تم حذف سجل موجود في الملف القديم في الملف الجديد n - إذا كان السجل الموجود في الملف الجديد غير متوفر في الملف القديم

ملف الإخراج عينة هو هذا.

DTL,11111111,1111111111111111,11111111111,Y,Y,xx,xx U
DTL,22222222,2222222222222222,22222222222,Y,N,cc,cc U
DTL,33333333,3333333333333333,33333333333,Y,Y,dd,dd D
DTL,77777777,7777777777777777,77777777777,N,N,ee,ee N

لقد استخدمت أمر diff ولكنه سيكرر السجل المحدث أيضًا وهو ما لا أريده.

 DTL,11111111,1111111111111111,11111111111,Y,N,xx,xx
 DTL,22222222,2222222222222222,22222222222,Y,Y,cc,cc
 DTL,33333333,3333333333333333,33333333333,Y,Y,dd,dd
  ---
 DTL,11111111,1111111111111111,11111111111,Y,Y,xx,xx
 DTL,22222222,2222222222222222,22222222222,Y,N,cc,cc
 5a5
 DTL,77777777,7777777777777777,77777777777,N,N,ee,ee

لقد استخدمت أمر AWK ذو السطر الواحد لتصفية سجلاتي أيضًا

 awk 'NR==FNR{A[$1];next}!($1 in A)' FS=: old.csv new.csv

المشكلة في هذا هي عدم حصولي على السجلات التي تنتمي إلى الملف القديم فقط.الذي

DTL,33333333,3333333333333333,33333333333,Y,Y,dd,dd

لقد بدأت أيضًا برنامج نصي bash مدفوعًا لتحقيق ذلك ولكن لم أجد الكثير من المساعدة مع مثال جيد.

 myscript.awk

BEGIN { 
        FS = ","    # input field seperator 
        OFS = ","   # output field seperator
}

NR > 1 {
    #flag 
    # N - new record  D- Deleted U - Updated

id = $1
    name = $2
    flag = 'N'

   # This prints the columns in the new order. The commas tell Awk to use the     character set in OFS
    print id,name,flag
}

 >> awk -f  myscript.awk  old.csv new.csv > formatted.csv

Answer 1

هذا قد عمل لك:

diff  -W999 --side-by-side OLD NEW |
sed '/^[^\t]*\t\s*|\t\(.*\)/{s//\1 U/;b};/^\([^\t]*\)\t*\s*<$/{s//\1 D/;b};/^.*>\t\(.*\)/{s//\1 N/;b};d'
DTL,11111111,1111111111111111,11111111111,Y,Y,xx,xx U
DTL,22222222,2222222222222222,22222222222,Y,N,cc,cc U
DTL,33333333,3333333333333333,33333333333,Y,Y,dd,dd D
DTL,77777777,7777777777777777,77777777777,N,N,ee,ee N

حل awk على نفس المنوال:

diff -W999 --side-by-side OLD NEW |
awk '/[|][\t]/{split($0,a,"[|][\t]");print a[2]" U"};/[\t] *<$/{split($0,a,"[\t]* *<$");print a[1]" D"};/>[\t]/{split($0,a,">[\t]");print a[2]" N"}'
DTL,11111111,1111111111111111,11111111111,Y,Y,xx,xx U
DTL,22222222,2222222222222222,22222222222,Y,N,cc,cc U
DTL,33333333,3333333333333333,33333333333,Y,Y,dd,dd D
DTL,77777777,7777777777777777,77777777777,N,N,ee,ee N

Answer 2

من المحتمل أن تكون نقطة البداية الجيدة هي:

 diff -e OLD NEW

هذه المخرجات:

 5a
 DTL,77777777,7777777777777777,77777777777,N,N,ee,ee
 .
 1,3c
 DTL,11111111,1111111111111111,11111111111,Y,Y,xx,xx
 DTL,22222222,2222222222222222,22222222222,Y,N,cc,cc

بمعنى أنه أضاف سجلاً في السطر 5 (5أ) وقام بتغيير السجلات في السطرين 1 و3 (1،3ج).

إذا لم تتمكن من استخدام هذا التنسيق كما هو (والذي سيكون من الجيد استخدام معيار) فستحتاج إلى كتابة برنامج نصي يحوله إلى التنسيق الذي تصفه.