若想合併兩個文字檔中基於共通欄位的資料，Linux 的 join 指令會是您的得力助手。它能讓您的靜態資料檔案動起來。接下來，我們將示範如何運用此指令。
跨檔案比對資料
數據至關重要。無論是公司、企業或家庭都仰賴數據運作。然而，若資料分散儲存在不同檔案，且由不同人員整理，那將會是一場惡夢。您不僅需要知道開啟哪些檔案才能找到所需資訊，檔案的版面配置和格式也可能大相逕庭。
您還必須處理檔案管理上的難題，例如哪些檔案需要更新、哪些需要備份、哪些是舊有檔案，以及哪些可以封存。
此外，若您需要整合資料或對整個資料集進行分析，還會面臨額外的挑戰。您該如何整理不同檔案中的數據，才能進一步進行處理？又該如何處理資料準備階段？
好消息是，如果這些檔案至少共享一個共通的資料元素，Linux 的 join 指令便能助您擺脫困境。
資料檔案
我們將使用虛構資料來示範 join 指令的用法，首先從以下兩個檔案開始：
cat file-1.txt
cat file-2.txt
以下是 file-1.txt 的內容：
1 Adore Varian [email protected] Female 192.57.150.231 2 Nancee Merrell [email protected] Female 22.198.121.181 3 Herta Friett [email protected] Female 33.167.32.89 4 Torie Venmore [email protected] Female 251.9.204.115 5 Deni Sealeaf [email protected] Female 210.53.81.212 6 Fidel Bezley [email protected] Male 72.173.218.75 7 Ulrikaumeko Standen [email protected] Female 4.204.0.237 8 Odell Jursch [email protected] Male 1.138.85.117
每行都包含一個編號，以及下列資訊：
一個號碼
一個名字
一個姓氏
電子郵件地址
性別
IP 位址
以下是 file-2.txt 的內容：
1 Varian [email protected] Female Western New York $535,304.73 2 Merrell [email protected] Female Finger Lakes $309,033.10 3 Friett [email protected] Female Southern Tier $461,664.44 4 Venmore [email protected] Female Central New York $175,818.02 5 Sealeaf [email protected] Female North Country $126,690.15 6 Bezley [email protected] Male Mohawk Valley $366,733.78 7 Standen [email protected] Female Capital District $674,634.93 8 Jursch [email protected] Male Hudson Valley $663,821.09
file-2.txt 中的每行包含以下資訊：
一個號碼
一個姓氏
電子郵件地址
性別
紐約的行政區
金額
join 指令搭配「欄位」使用，此處的欄位指的是以空格、行首或行尾區隔的文字段。若要根據共通欄位比對兩檔案中的行，則每一行都必須包含一個共通欄位。
因此，我們只能比對出現在兩個檔案中的欄位。IP 位址僅出現在一個檔案中，不適合。名字也僅出現在一個檔案中，因此也不能使用。姓氏同時出現在兩個檔案中，但這不是好選擇，因為不同的人可能會擁有相同的姓氏。
您也不能以性別欄位來比對資料，因為這太過模糊。紐約行政區和金額也僅出現在一個檔案中。
然而，我們可以利用電子郵件地址，因為它同時存在於兩個檔案中，且對每個人來說都是獨一無二的。快速瀏覽檔案可以確認兩個檔案中的行都對應於同一個人，因此我們也可以使用行號做為比對欄位（稍後我們將使用不同的欄位）。
請注意，這兩個檔案包含不同數量的欄位，這沒有問題——我們可以告知 join 指令使用哪個檔案的哪個欄位。
但是，請留意像紐約行政區這類欄位；在以空格分隔的檔案中，地區名稱中的每個詞都視為一個欄位。由於有些地區的名稱由兩個或三個詞組成，因此您實際上會在同一個檔案中看到不同數量的欄位。這沒關係，只要您比對紐約行政區之前的行中的欄位即可。
join 指令
首先，您想要比對的欄位必須排序。我們在這兩個檔案中都有遞增的數字，因此符合此標準。預設情況下，join 指令會使用檔案中的第一個欄位，這正是我們想要的。另一個合理的預設值是，join 指令預期欄位分隔符號為空格。再次強調，我們的情況符合此一條件，因此可以繼續執行 join 指令。
由於我們使用所有預設值，因此指令非常簡單：
join file-1.txt file-2.txt
join 指令會根據檔案在命令列中列出的順序將其視為「檔案一」和「檔案二」。
輸出如下：
1 Adore Varian [email protected] Female 192.57.150.231 Varian [email protected] Female Western New York $535,304.73 2 Nancee Merrell [email protected] Female 22.198.121.181 Merrell [email protected] Female Finger Lakes $309,033.10 3 Herta Friett [email protected] Female 33.167.32.89 Friett [email protected] Female Southern Tier $461,664.44 4 Torie Venmore [email protected] Female 251.9.204.115 Venmore [email protected] Female Central New York $175,818.02 5 Deni Sealeaf [email protected] Female 210.53.81.212 Sealeaf [email protected] Female North Country $126,690.15 6 Fidel Bezley [email protected] Male 72.173.218.75 Bezley [email protected] Male Mohawk Valley $366,733.78 7 Ulrikaumeko Standen [email protected] Female 4.204.0.237 Standen [email protected] Female Capital District $674,634.93 8 Odell Jursch [email protected] Male 1.138.85.117 Jursch [email protected] Male Hudson Valley $663,821.09
輸出格式如下：首先會印出比對行的欄位，然後是檔案一中其他的欄位，最後則是檔案二中未比對到的欄位。
未排序的欄位
讓我們嘗試一些我們已知無法成功的方法。我們會將這些行隨機排列到一個檔案中，因此 join 指令將無法正確處理此檔案。file-3.txt 的內容與 file-2.txt 相同，但第 8 行位於第 5 行和第 6 行之間。
以下是 file-3.txt 的內容：
1 Varian [email protected] Female Western New York $535,304.73 2 Merrell [email protected] Female Finger Lakes $309,033.10 3 Friett [email protected] Female Southern Tier $461,664.44 4 Venmore [email protected] Female Central New York $175,818.02 5 Sealeaf [email protected] Female North Country $126,690.15 8 Jursch [email protected] Male Hudson Valley $663,821.09 6 Bezley [email protected] Male Mohawk Valley $366,733.78 7 Standen [email protected] Female Capital District $674,634.93
我們輸入以下指令，嘗試將 file-3.txt 加入到 file-1.txt：
join file-1.txt file-3.txt
join 指令回報 file-3.txt 中的第七行有問題，因此未處理。第七行開頭的數字為 6，在正確排序的列表中，它應該在 8 之前。檔案中的第六行（開頭為「8 Odell」）是最後處理的行，因此我們可以看到它的輸出。
若要查看 join 指令是否對檔案的排序順序感到滿意，可以使用 –check-order 選項，它不會嘗試合併。
為此，我們輸入以下內容：
join --check-order file-1.txt file-3.txt
join 指令預先告知您檔案 file-3.txt 的第 7 行會有問題。
缺少行的檔案
在 file-4.txt 中，最後一行已移除，因此沒有第 8 行。內容如下：
1 Varian [email protected] Female Western New York $535,304.73 2 Merrell [email protected] Female Finger Lakes $309,033.10 3 Friett [email protected] Female Southern Tier $461,664.44 4 Venmore [email protected] Female Central New York $175,818.02 5 Sealeaf [email protected] Female North Country $126,690.15 6 Bezley [email protected] Male Mohawk Valley $366,733.78 7 Standen [email protected] Female Capital District $674,634.93
我們輸入以下內容，令人驚訝的是，join 指令不會抱怨，且會處理它可以處理的所有行：
join file-1.txt file-4.txt
輸出會列出七個合併的行。
-a (印出無法配對的項目) 選項會告知 join 指令也印出無法比對的行。
在此，我們輸入以下指令來告知 join 指令印出檔案 1 中無法與檔案 2 中的行比對的行：
join -a 1 file-1.txt file-4.txt
七行已配對，檔案一中的第八行會印出，且未配對。未顯示任何合併資訊，因為 file-4.txt 不包含可以配對的第 8 行。但是，至少它仍然會出現在輸出中，因此您知道它在 file-4.txt 中沒有配對項目。
我們輸入以下 -v（抑制串連行）指令來顯示任何未比對的行：
join -v file-1.txt file-4.txt
我們可以看到第八行是檔案二中唯一未配對的行。
比對其他欄位
讓我們在非預設欄位（欄位一）上比對兩個新檔案。以下是 file-7.txt 的內容：
[email protected] Female 192.57.150.231 [email protected] Female 210.53.81.212 [email protected] Male 72.173.218.75 [email protected] Female 33.167.32.89 [email protected] Female 22.198.121.181 [email protected] Male 1.138.85.117 [email protected] Female 251.9.204.115 [email protected] Female 4.204.0.237
以下是 file-8.txt 的內容：
Female [email protected] Western New York $535,304.73 Female [email protected] North Country $126,690.15 Male [email protected] Mohawk Valley $366,733.78 Female [email protected] Southern Tier $461,664.44 Female [email protected] Finger Lakes $309,033.10 Male [email protected] Hudson Valley $663,821.09 Female [email protected] Central New York $175,818.02 Female [email protected] Capital District $674,634.93
用於 join 指令的唯一合理欄位是電子郵件地址，它是第一個檔案中的第一個欄位，以及第二個檔案中的第二個欄位。為了符合此情況，我們可以利用 -1（檔案一的欄位）和 -2（檔案二的欄位）選項。我們會在這些選項後面加上一個數字，指示每個檔案中的哪個欄位應該用於連線。
我們輸入以下內容來告知 join 指令使用檔案一中的第一個欄位和檔案二中的第二個欄位：
join -1 1 -2 2 file-7.txt file-8.txt
這些檔案會根據電子郵件地址串連，而電子郵件地址會顯示為輸出中每一行的第一個欄位。
使用不同的欄位分隔符號
如果您的檔案的欄位並非以空格區隔，而是以其他符號分隔，該怎麼辦？
以下兩個檔案是以逗號分隔的，唯一的空格是位於多詞地名之間：
cat file-5.txt
cat file-6.txt
我們可以使用 -t（分隔符號）來告知 join 指令使用哪個字元做為欄位分隔符號。在此案例中，分隔符號是逗號，因此我們輸入以下指令：
join -t, file-5.txt file-6.txt
所有行都已配對，且空格會保留在地名中。
忽略字母大小寫
另一個檔案 file-9.txt 與 file-8.txt 幾乎相同。唯一的差異是，一些電子郵件地址包含一個大寫字母，如下所示：
Female [email protected] Western New York $535,304.73 Female [email protected] North Country $126,690.15 Male [email protected] Mohawk Valley $366,733.78 Female [email protected] Southern Tier $461,664.44 Female [email protected] Finger Lakes $309,033.10 Male [email protected] Hudson Valley $663,821.09 Female [email protected] Central New York $175,818.02 Female [email protected] Capital District $674,634.93
當我們將 file-7.txt 和 file-8.txt 加入時，運作良好。讓我們看看 file-7.txt 和 file-9.txt 會發生什麼。
我們輸入以下指令：
join -1 1 -2 2 file-7.txt file-9.txt
我們只配對了六行。大寫和小寫字母的差異阻止了其他兩個電子郵件地址的串連。
但是，我們可以利用 -i（忽略大小寫）選項強制連線忽略這些差異，並且比對包含相同文字的欄位，無論大小寫為何。
我們輸入以下指令：
join -1 1 -2 2 -i file-7.txt file-9.txt
所有八行都已比對，且成功串連。
串連起來
當您為了笨拙的資料準備工作而苦惱時，請使用 join 指令，它會是您強大的後盾。或許您需要分析資料，或者您正試圖將其轉換成特定格式，以便匯入至不同的系統。
無論情況為何，您都會很高興有 join 指令在您身邊！