我有2个CSV文件，我需要比较，并获得新的格式化文件的差异。 样品在下面给出。
旧文件
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 新文件
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
输出文件
我想比较旧的和新的CSV文件，并find已在新文件中产生的变化，并更新一个标志来表示这些变化
U – 如果新文件logging已更新D – 旧文件中存在的logging在新文件中删除N – 如果新文件中存在的logging在旧文件中不可用
示例输出文件是这样的。
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
我使用diff命令，但它也会重复UPDATEDlogging，这不是我想要的。
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
我使用AWK单行命令来筛选出我的logging
awk 'NR==FNR{A[$1];next}!($1 in A)' FS=: old.csv new.csv
这个问题是没有得到我只属于旧文件的logging。 这是
DTL,33333333,3333333333333333,33333333333,Y,Y,dd,dd
我也发起了一个驱动的bash脚本，以避免这个问题，但没有find很好的例子。
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
这可能适合你：
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
awk解决方案沿着同样的路线：
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
一个好的起点可能是：
diff -e OLD NEW
这输出：
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
这意味着它在第5行（5a）添加了一条记录，并更改了第1行和第3行（1,3c）的记录。
如果你不能使用这种格式（这将是一个好标准），那么你需要编写一个脚本，将其转换为你所描述的格式。