linux - grep 基于第一列

Question

我有一个名为 fileA 的大数据文件，格式如下

col1    0.1111,0.2222,0.33333,0.4444
col5    0.1111,0.2222,0.33333,0.4444
col3    0.1111,0.2222,0.33333,0.4444
col4    0.1111,0.2222,0.33333,0.4444

第一列和第二列之间的分隔符是\t。其他分隔符是逗号。 我有另一个包含我感兴趣的行名称的文件，称为 fileB，它看起来像:

col3
col1
...

两个文件都没有排序。我想从 fileA 中检索名称出现在 fileB 中的所有行。代码 grep -f fileB fileA 完成这项工作，但我认为它会搜索 fileA 中的所有文件，这需要很长时间。如何指定只搜索fileA中的第一列？

Answer 1

join <(sort -t $'\t' -k 1 fileA) <(sort -t $'\t' -k 1 fileB)

文件在 O(n.log(n)+p.log(p)) 中排序，然后在 O(n+p) 中合并，我认为我们不能做得更好。

编辑 好的，我们可以使用复杂度为 O(n+p) 的哈希表做得更好。