如果文件1和文件2的第1列相同，则输出第2列字符串大的那1行

weichanghe2000

大家好，请教大家帮忙写1个shell小脚本，解答下面的问题：
先谢谢了。

问题描述：
比较2个文件1和2，输出文件3:
1 删除文件1和文件2的重复行
2 如果文件1和文件2的第1列相同，则输出第2列字符串大的那1行。
  举例：
  第2列分别是0.1-37 和 0.2-53，则0.2-53大；
       如果  是6.1.4-b.0 和 6.1.5-c.2，则6.1.5-c.2大；
       9.13.2  小于  11.5.6；
       8c-7 小于 18b-16 ；
       D15 小于 F4；
       1.b5_a 小于 1.b12_d。
规则：对于2个文件的第2列：
> 数字0-9连续出现的个数可能不一样，如 9.13.2 和   11.5.6，D15  和 F4
> 其他字符出现的类型(如 . 或 _ 或  - 或 大写字母A-Z 或小写字母a-z)，顺序和次数一样，如6.1.4-b.0 和6.1.5-c.2，1.b5_a 和 1.b12_d，D15 和 F4  ....
> 比较得到第1次出现的大的字符后，即停止比较第2列，并输出第2列字符串大的这1行，如IO      1.b5_a ，IO   1.b12_d，则输出 IO      1.b12_d



输入文件1 格式形如：

1. PK      0.1-37
   
2. Art     6.1.4-b.0
   
3. Fle     9.13.2   
   
4. Uni     18b-16  
   
5. STD     D15  
   
6. IO      1.b5_a
   
7. ....
   
8. ....

复制代码

输入文件2 格式形如：

1. Uni     8c-7
   
2. IO      1.b12_d
   
3. Art     6.1.5-c.2
   
4. PK      0.2-53
   
5. Fle     11.5.6
   
6. STD     F4
   
7. ....
   
8. ....

复制代码

输出文件3 格式如下：(输出字符串最大的那一行)

1. Art     6.1.5-c.2
   
2. Fle     11.5.6
   
3. IO      1.b12_d
   
4. PK      0.2-53
   
5. STD     F4
   
6. Uni     18b-16  

复制代码

关阴月飞

举例：
  第2列分别是0.1-37 和 0.2-53，则0.2-53大；     
这个好理解，直接就是 - 两边的数字对比

       如果  是6.1.4-b.0 和 6.1.5-c.2，则6.1.5-c.2大；
这个比较的规则是什么？如果是  6.1.4-b.0  和 6.1.5-a.0  呢，哪个大？

       9.13.2  小于  11.5.6；
这个比较的规则又是什么？ 里面明明13 大于 11 呀


       8c-7 小于 18b-16 ；
为什么？ c不是比b 要大吗？

       D15 小于 F4；
为什么？ 同理，15也比4要大呀


重点是：
第二列的字符串  的 大小  是怎么个比较法？  如何确定 这一串字符  比另一串字符 大 ？  比较的规则是什么？  另外，字符串的内容是否有统一的格式？

weichanghe2000

回复 2# 关阴月飞

您好，先谢谢您的关注和耐心查看问题哈。我将一一回答：


举例：
  第2列分别是0.1-37 和 0.2-53，则0.2-53大；     
这个好理解，直接就是 - 两边的数字对比
答：因为出现了 0.1<0.2，后面就不再比较37与53了。

       如果  是6.1.4-b.0 和 6.1.5-c.2，则6.1.5-c.2大；
这个比较的规则是什么？如果是  6.1.4-b.0  和 6.1.5-a.0  呢，哪个大？
答：前面其实说了比较规则，按位比较，只要找到第一个大的字符后，就停止比较。但是有可能是数字连续出现的个数不一样，如9.13.2和11.5.6，虽然第1位比较时：9 > 1，但是11.5.6 中 1出现了2次，即11，所以 就是 9.13.2 版本 < 11.5.6。不再比较后面的 13 和 5
所以 6.1.4-b.0<6.1.5-c.2,  6.1.4-b.0 <6.1.5-a.0

       9.13.2  小于  11.5.6；
这个比较的规则又是什么？ 里面明明13 大于 11 呀
答：上面已经解释了，因为 9 < 11

       8c-7 小于 18b-16 ；
为什么？ c不是比b 要大吗？
答： 上面解释了，唯一的差别是数字出现的个数不一样，这里虽然 第一位比较时，8>1，但是1后面又出现了8，即18，所以 8c-7<18b-16

       D15 小于 F4；
为什么？ 同理，15也比4要大呀
答:
第一次比较 时，字符 D的ASCII<F，所以 D15小于F4。
注意，不会出现 D15 与 d15点情况，也不会出现 D15与f4点情况。除了数字出现个数不一样，其他的都是每一位字符类型相同

重点是：
第二列的字符串  的 大小  是怎么个比较法？  如何确定 这一串字符  比另一串字符 大 ？  比较的规则是什么？  另外，字符串的内容是否有统一的格式？

答：
规则就是上面一一回复的哈。

另外，之所以有这个需求，是因为我们是半导体/EDA行业，当EDA工具版本，工艺数据(PDK/STDCELL等)版本命名就是这样的规则和风格。
我们需要一个脚本判断本次vendor通知我们是否更新工具时，我们要先判断，当前我们安装的版本与本次release给我们的版本，哪个更新？如果已经安装的版本旧，则更新，安装新的；如果已经安装的版本要新，release给我们的旧，则不用更新。

weichanghe2000

回复 2# 关阴月飞

您好，先谢谢您的关注和耐心查看问题哈。我将一一回答：

举例：
  第2列分别是0.1-37 和 0.2-53，则0.2-53大；     
这个好理解，直接就是 - 两边的数字对比
答：因为出现了 0.1<0.2，后面就不再比较37与53了。

       如果  是6.1.4-b.0 和 6.1.5-c.2，则6.1.5-c.2大；
这个比较的规则是什么？如果是  6.1.4-b.0  和 6.1.5-a.0  呢，哪个大？
答：前面其实说了比较规则，按位比较，只要找到第一个大的字符后，就停止比较。但是有可能是数字连续出现的个数不一样，如9.13.2和11.5.6，虽然第1位比较时：9 > 1，但是11.5.6 中 1出现了2次，即11，所以 就是 9.13.2 版本 < 11.5.6。不再比较后面的 13 和 5
所以 6.1.4-b.0<6.1.5-c.2,  6.1.4-b.0 <6.1.5-a.0

       9.13.2  小于  11.5.6；
这个比较的规则又是什么？ 里面明明13 大于 11 呀
答：上面已经解释了，因为 9 < 11

       8c-7 小于 18b-16 ；
为什么？ c不是比b 要大吗？
答： 上面解释了，唯一的差别是数字出现的个数不一样，这里虽然 第一位比较时，8>1，但是1后面又出现了8，即18，所以 8c-7<18b-16

       D15 小于 F4；
为什么？ 同理，15也比4要大呀
答:
第一次比较 时，字符 D的ASCII<F，所以 D15小于F4。
注意，不会出现 D15 与 d15点情况，也不会出现 D15与f4点情况。除了数字出现个数不一样，其他的都是每一位字符类型相同

重点是：
第二列的字符串  的 大小  是怎么个比较法？  如何确定 这一串字符  比另一串字符 大 ？  比较的规则是什么？  另外，字符串的内容是否有统一的格式？
答：
规则就是上面一一回复的哈。

另外，之所以有这个需求，是因为我们是半导体/EDA行业，当EDA工具版本，工艺数据(PDK/STDCELL等)版本命名就是这样的规则和风格。
我们需要一个脚本判断本次vendor通知我们是否更新工具时，我们要先判断，当前我们安装的版本与本次release给我们的版本，哪个更新？如果已经安装的版本旧，则更新，安装新的

wh7211

回复 4# weichanghe2000

1. awk 'FILENAME==ARGV[1]{a[$1]=$2;next}{c=split(a[$1],b,"[._-]");split($2,d,"[._-]");for(e=1;e<=c;e++){match(b[e],"^([0-9]*)([a-zA-Z]*)([0-9]*)$",f);match(d[e],"^([0-9]*)([a-zA-Z]*)([0-9]*)$",g);for(h=1;h<=3;h++){if(f[h]>g[h]){i[$1]=$1" "a[$1];j=1;break}else if(f[h]<g[h]){i[$1]=$1" "$2;j=1;break}};if(j){j=0;break}}}END{l=asorti(i,k);for(m=1;m<=l;m++){print i[k[m]]}}' 1 2
   
2. Art 6.1.5-c.2
   
3. Fle 11.5.6
   
4. IO 1.b12_d
   
5. PK 0.2-53
   
6. STD F4
   
7. Uni 18b-16

复制代码

weichanghe2000

回复 5# wh7211

非常感谢您。

这几天一直在忙于别的事情。
还没有来得及看。

如果有疑问，再向您请教哈。

weichanghe2000

回复 5# wh7211

您好，我的redhat 5.8，awk 版本是GNU 3.1.5，结果跟您的不一致哦？
这个是什么原因呢。

1cpuer

回复 5# wh7211

match(b[e],"^([0-9]*)([a-zA-Z]*)([0-9]*)$",f)
if(f[h]>g[h]){i[$1]=$1" "a[$1];
f 指的是啥？

wh7211

回复 7# weichanghe2000

1. awk 'FILENAME==ARGV[1]{a[$1]=$2;next}{c=split(a[$1],b,"[._-]");split($2,d,"[._-]");for(e=1;e<=c;e++){match(b[e],"^([0-9]*)([a-zA-Z]*)([0-9]*)$",f);match(d[e],"^([0-9]*)([a-zA-Z]*)([0-9]*)$",g);for(h=1;h<=3;h++){f[h]=f[h]~"[0-9]"?f[h]+0:f[h];g[h]=g[h]~"[0-9]"?g[h]+0:g[h];if(f[h]>g[h]){i[$1]=$1" "a[$1];j=1;break}else if(f[h]<g[h]){i[$1]=$1" "$2;j=1;break}};if(j){j=0;break}}}END{l=asorti(i,k);for(m=1;m<=l;m++){print i[k[m]]}}' 1 2

复制代码

wh7211

回复 8# 1cpuer


f和g是数组，用于数字或字符串比较。处理文件2时：

<<<处理a[$1]，即『IO 1.b5_a』
e==1 -> b[e]==b[1]=="1" -> f[1]=="1",f[2]=="",f[3]==""
e==2 -> b[e]==b[2]=="b5" -> f[1]=="",f[2]=="b",f[3]=="5"
e==3 -> b[e]==b[3]=="a" -> f[1]=="",f[2]=="a",f[3]==""

<<<处理$2，即『IO 1.b12_d』
e==1 -> d[e]==d[1]=="1" -> g[1]=="1",g[2]=="",g[3]==""
e==2 -> d[e]==d[2]=="b12" -> g[1]=="",g[2]=="b",g[3]=="12"
e==3 -> d[e]==d[3]=="d" -> g[1]=="",g[2]=="d",g[3]==""