关于awk对共同一文本行与行之间操作（请教！）

missme

例：1.txt

200000000000007|十堰市人民路福兴汽配部
202111320000018|市人民医院
202111120000039|黄龙电厂
200000000000007|十堰人民路福兴汽配部
201602520002941|观音中学
202111020000112|喻珍良商店
200000000000007|人民路福兴汽配
201602120000113|包装装璜厂
202111420000024|胡汉江商店
201602320000115|粮油站

请看上面例子，其中$1中证件号码200000000000007这个号码重复了3次，但是$2中的单位名称却不一样。我现在希望做的是：把这些相同证件号码不同单位名称的只保留一个单位名称最长的那一行。连带其他正常的行一起输出。即如下为所求得结果：
200000000000007|十堰市人民路福兴汽配部
202111320000018|市人民医院
202111120000039|黄龙电厂
201602520002941|观音中学
202111020000112|喻珍良商店
201602120000113|包装装璜厂
202111420000024|胡汉江商店
201602320000115|粮油站

请问有什么好的办法能够用程序实现么？当这种情况还在100笔以内时还可以用手工删除，如果是300笔以上，简直太郁闷了。
为什么awk对这种行与行之间的处理我怎么感到有点困难？是不是处理这种类型的需要用数组？请大哥大姐们助我一臂之力，问题是亟待解决，处理思想也请赐教.

[ 本帖最后由 missme 于 2006-4-20 15:06 编辑 ]

waker

awk 'BEGIN{FS=OFS="|"}
!(length(a[$1])>length($2)){a[$1]=$2}
END{for(i in a)print i,a[i]}' file

missme

太感激了,太强了,一句就搞定了.我得慢慢消化

missme

原帖由 waker 于 2006-4-20 16:35 发表
awk 'BEGIN{FS=OFS="|"}
!(length(a[$1])>length($2)){a[$1]=$2}
END{for(i in a)print i,a}' file

哪位大峡能解释下这段AWK的意思么 ?谢谢!

waker

新手导航里有基础教程链接，看看十二篇也不错

missme

继续发现问题了.请大师指教.

1.txt
200000000000007|人民路福兴汽配
200000000000007|十堰人民路福兴汽配部
200000000000007|十堰市人民路福兴汽配部
201602120000113|包装装璜厂
201602320000115|粮油站
201602520002941|观音中学
201602520002941|观音中学
202111020000112|喻珍良商店
202111120000039|黄龙电厂
202111320000018|市人民医院
202111320000018|市人民医院
202111420000024|胡汉江商店

2.txt
200000000000007|十堰市人民路福兴汽配部
201602120000113|包装装璜厂
201602320000115|粮油站
201602520002941|观音中学
202111020000112|喻珍良商店
202111120000039|黄龙电厂
202111320000018|市人民医院
202111420000024|胡汉江商店

3.txt
202111420000024|胡汉江商店
200000000000007|十堰市人民路福兴汽配部
200000000000007|十堰市人民路福兴汽配部
201602120000113|包装装璜厂
201602320000115|粮油站
201602520002941|观音中学
201602520002941|观音中学
202111020000112|喻珍良商店
202111120000039|黄龙电厂
202111320000018|市人民医院
202111320000018|市人民医院
202111420000024|胡汉江商店

awk.sh

if [ -f 1.txt ]
then
awk 'BEGIN { OFS=FS="|" } {
                 while ((getline < "2.txt") >0 )
                       { idno[$1] = $1 ; khmc[$1] =$2 }
                }
                {  if ($1 == idno[$7] && $2 != khmc[$7]) {
                        $2 = khmc[$1]
                }
                print $0
        }' 1.txt >3.txt
fi


1.txt,2.txt是源文件,执行awk.sh生成3.txt.其中1.txt因为手工失误有很多$1相同但是$2却不同的,2.txt是标准数据。我希望awk.sh能实现的功能是:把1.txt中的$1相同，$2不同的对照2.txt中的数据换成对应的$2.
但是我发现这个程序虽然大部分实现了，但是有个问题：程序并没有将$1中的第一行200000000000007|人民路福兴汽配  改为 200000000000007|十堰市人民路福兴汽配部  ，即3.txt第一行竟然变成了 202111420000024|胡汉江商店  。而这条记录理论上应该只有一条的，但是在3.txt中却有2条。要是我表达的不清楚的话，我想说我希望awk.sh能生成下面的文件.而上面的awk．sh是在某方面肯定有问题．
4.txt
200000000000007|十堰市人民路福兴汽配部
200000000000007|十堰市人民路福兴汽配部
200000000000007|十堰市人民路福兴汽配部
201602120000113|包装装璜厂
201602320000115|粮油站
201602520002941|观音中学
201602520002941|观音中学
202111020000112|喻珍良商店
202111120000039|黄龙电厂
202111320000018|市人民医院
202111320000018|市人民医院
202111420000024|胡汉江商店

我问了一个工程师，虽然他是我业务上的老大，在Ｃ，ＳＱＬ上是高手，对ＳＨＥＬＬ也很熟，但是对这个问题还是解决不了，希望老大们帮助解决．

shitou9000

sort 3.txt

missme

原帖由 shitou9000 于 2006-4-22 09:34 发表
sort 3.txt

3.txt是生成的文件,并不是源文件,给他排序没意义

vic2005

=====输入文件=======
$ cat 1.txt
200000000000007|十堰市人民路福兴汽配部
202111320000018|市人民医院
202111120000039|黄龙电厂
200000000000007|十堰人民路福兴汽配部
201602520002941|观音中学
201602520002941|观音中学(test)
202111020000112|喻珍良商店
200000000000007|人民路福兴汽配
201602120000113|包装装璜厂
202111420000024|胡汉江商店
201602320000115|粮油站

测试结果:
Guest@Vic ~
$ sort -u 1.txt |awk -f tidy.awk
200000000000007|十堰市人民路福兴汽配部
201602120000113|包装装璜厂
201602320000115|粮油站
201602520002941|观音中学(test)
202111020000112|喻珍良商店
202111120000039|黄龙电厂
202111320000018|市人民医院

脚本代码:
$ cat tidy.awk
BEGIN{FS="|"}
{#print old,buf,max,NR
        if (NR==1){
                old=$1;
                buf=$0;
                max=length($2);
        }
        else
        if (old!=$1)
        {
                print buf;
                old=$1;
                max=length($2);
                buf=$0;
        }
        else if (len=length($2)>max)
        {
                max=len;
                buf=$0;
        }
}
END{if (NR==1) print buf}

==================
如果对于其中的语句和算法不明,可以发贴上来.

[ 本帖最后由 vic2005 于 2006-4-22 16:59 编辑 ]