【摘要】
本文介绍两个文本文件进行比对,按照需求找出文件中数据相同或不同时,会遇到的几种情况,并用 esProc SPL 举例实现。请点击文本文件比对示例了解详情
在数据处理业务中,有时需要比较两个文本文件内容有哪些相同或不同的数据,本文将介绍文本文件比对的几种情况,如整行比对、关键列比对,同时又分小文件、大文件比对,并提供用 esProc SPL 编写的代码示例。esProc 是专业的数据计算引擎,SPL 中有一套完善的集合运算领域的函数库,做文件比对很方便,写出的代码非常简洁。
1. 小文件比对
1.1 整行比对
有两个文本文件,其每一行是一个字符串,要对这两个文件中整行内容进行比对。处理此问题可以把文件的每一行读成一个字符串,组成一个集合,然后通过两个集合的运算得出结果。
报名绘画、舞蹈兴趣班的同学学号姓名分别记录在paint.txt和dance.txt中,paint.txt部分数据如下所示:
20121102-Joan
20121107-Jack
20121113-Mike
1.1.1. 找相同
把两个文件中整行内容相同的行都找出来,即求两集合的交集。
示例:请找出报了这两个兴趣班的所有同学,记录在p_d.txt文件中。
esProc SPL脚本如下:
A | 注释 | |
1 | =file("e:/txt/paint.txt").read@n() | 读出paint.txt的每一行组成集合 |
2 | =file("e:/txt/dance.txt").read@n() | 读出dance.txt的每一行组成集合 |
3 | =file("e:/txt/p_d.txt").write(A1^A2) | 将A1、A2集合的交集写入文件p_d.txt中 |
1.1.2. 找不同
找不同有以下两种情况:
1、 找出两个文件中所有不相同的行。
示例:找出所有只报了一个兴趣班的同学, esProc SPL脚本如下:
A | 注释 | |
1 | =file("e:/txt/paint.txt").read@n() | 读出paint.txt的每一行组成集合 |
2 | =file("e:/txt/dance.txt").read@n() | 读出dance.txt的每一行组成集合 |
3 | =file("e:/txt/p_d.txt").write(A1%A2) | 将A1、A2集合的异或集写入文件p_d.txt中 |
2、找出一个文件中有而另一个文件中没有的行。
示例:找出只报了绘画班的同学和只报了舞蹈班的同学, esProc SPL脚本如下:
A | 注释 | |
1 | =file("e:/txt/paint.txt").read@n() | 读出paint.txt的每一行组成集合 |
2 | =file("e:/txt/dance.txt").read@n() | 读出dance.txt的每一行组成集合 |
3 | =file("e:/txt/p_1.txt").write(A1\A2) | 将绘画班A1减去舞蹈班A2所得的差集,即只报了绘画班的同学,写入文件p_1.txt中 |
4 | =file("e:/txt/d_1.txt").write(A2\A1) | 将舞蹈班A2减去绘画班A1所得的差集,即只报了舞蹈班的同学,写入文件d_1.txt中 |
1.2 关键列比对
两个文本文件,有多列数据,第一行是列名,第二行开始是数据记录,要对两个文件中关键列的内容进行比对。处理此问题可以把文件读成数据集,取出关键列的记录值组成一个集合,然后通过两个集合的运算得出结果。
有2018、2019年的销售订单表order_2018.txt和order_2019.txt,两文件有相同的列结构,部分数据如下所示:
1.2.1. 找相同
把两个文件中关键列值相同的都找出来。
示例:请找出这两年都购买了同一种产品的用户CustomerId和产品ProductId,记录在c_p.txt文件中。
esProc SPL脚本如下:
A | 注释 | |
1 | =file("e:/txt/order_2018.txt").import@t(CustomerId,ProductId) | 读出2018订单表中的关键列数据 |