修改和比较两个文件的相似度

Question

我有 2 个文件。 file1的样本值如下：

1313 0 60
1313 1 60
1314 0 60
1314 1 57
1315 1 60
1316 0 60
1316 1 57
1317 1 57
1318 1 57
1333 0 57
1333 1 57
1334 0 60
1334 1 60

file2的示例值如下：

813 0 91
813 1 91
814 0 91
814 1 91
815 0 96
815 1 91
816 0 91
816 1 91
817 1 96
818 0 91
832 0 96
833 0 91
833 1 91
834 0 96

我正在尝试修改 file1 并创建一个具有以下值的 file3（如您所见，最后一个中的值file1 的列不相关）：

1 0 
1 1 
2 0 
2 1 
3 1 
4 0 
4 1 
5 1 
6 1 
21 0 
21 1 
22 0 
22 1 

另外，需要修改file2，创建一个file4，其值如下（文件中的值file2 的最后一列无关紧要):

1 0
1 1
2 0
2 1
3 0 
3 1
4 0
4 1
5 1
6 0
20 0
21 0
21 1
22 0

创建file3和file4后，我打算使用diff[=49检查它们的相似性=] 效用。要生成 file3 和 file4，我正在尝试编写一个 awk 脚本。但是作为 awk 的初学者，我发现这个任务非常耗时。任何指导将不胜感激。

Answer 1

我们可以从第一行的 </code> 中获取值，然后在公式中使用它来计算偏移量。这假设最小的 <code> 在第一行。

awk 'NR==1 { i= } { print -i+1, }'

例如，您可以这样做：

awk 'NR==1 { i= } { print -i+1, }' file1 > file3
awk 'NR==1 { i= } { print -i+1, }' file2 > file4
diff file3 file4

这是我之前的版本，在我注意到您真的在寻找偏移量之前。我原以为您只是想根据 </code> 中的更改来更改它。我们可以设置一个变量来检查行之间的值变化，并且只在 <code> 变化时增加计数器。这假定已分组。

awk 'n!= { i++ } { print i, } { n= }'

例如，您可以这样做：

awk 'n!= { i++ } { print i, } { n= }' file1 > file3
awk 'n!= { i++ } { print i, } { n= }' file2 > file4
diff file3 file4