[文本处理] 【已解决】gawk：多列数据如何合并同类项

思想之翼

a.txt 记录数值如下（等号左侧数值不重复，等号右侧数值只有一列）：
000=00
001=01
002=01
003=02
004=03
合并等号右侧同类项，同时合并等号左侧数值，结果 b.txt 为：
00=000
01=001 002
02=003
03=004

【解决方案】：

gawk -F"=" "{a[$2]=a[$2]?a[$2]\" \"$1:$1}END{for (id in a)print id FS a[id]}" a.txt>b.txt
复制代码

【问题】：若文件等号右侧数值有多列，如何合并等号右侧同类项，同时合并等号左侧数值？

例如：a.txt 记录数值如下（等号左侧数值不重复，等号右侧数值有多列）：
000=00 04 99
001=01 05 06 03
002=01
003=02 04
004=03 99
合并等号右侧同类项，结果 b.txt 为：
00=000
01=001 002
02=003
03=001 004
04=000 003
05=001
06=001
99=000 004

hfxiang

回复 4# 思想之翼
可尝试输出为Unix格式（加参数：-v"BINMODE=w"），多数情况下能避免乱码

gawk -v"BINMODE=w" -F"[= ]+" "NF>1{for(i=2;i<=NF;i++)a[$i]=a[$i]?a[$i]\" \"$1:$1\"\"}END{for(i=1;i<=asorti(a,b);i++)print b[i]\"=\"a[b[i]]}" a.txt>b.txt
复制代码

Batcher

回复 4# 思想之翼


    具体超过几行可以重现这个问题？

思想之翼

回复 2# hfxiang
感谢！经测试，结果正确。
只是有个问题不解：测试文件（UTF-8）超过一定行数，结果为乱码（变成 UTF-16 LE），何因？
3# 纯批也是这种状况。

qixiaobin0715

尝试用纯P试试，不需评分：

@echo off
setlocal enabledelayedexpansion
for /f "tokens=1-2 delims==" %%i in (a.txt) do (
for %%k in (%%j) do set _%%k=!_%%k! %%i
)
(for /f "tokens=1* delims=_ " %%i in ('set _') do echo,%%i%%j)>b.txt
pause
复制代码

hfxiang

回复 1# 思想之翼

gawk -F"[= ]+" "NF>1{for(i=2;i<=NF;i++)a[$i]=a[$i]?a[$i]\" \"$1:$1\"\"}END{for(i=1;i<=asorti(a,b);i++)print b[i]\"=\"a[b[i]]}" a.txt>b.txt
复制代码