Linux 命令：join

概述

Linux 中的 join 命令，这个命令的核心作用是按"关键字段"将多个文件的行关联合并 （类似数据库的 JOIN 操作），区别于 paste 仅按行号无脑拼接，join 会匹配两个文件中关键字段相同的行，再横向合并，是处理结构化文本（如 CSV、日志、数据清单）的核心工具。

资料合集：https://pan.quark.cn/s/6fe3007c3e95、https://pan.quark.cn/s/561de99256a5、https://pan.quark.cn/s/985f55b13d94、https://pan.quark.cn/s/d0fb20abd19a

一、核心前提（必看）

使用 join 的硬性要求：

1. 待合并的文件必须按关键字段排序（否则无法正确匹配）；
2. 默认以第一列作为关键字段（可通过选项指定其他列）；
3. 仅支持两个文件的合并（多文件需多次拼接）；
4. 字段默认用空格/制表符分隔（可自定义分隔符）。

二、基本语法

join [选项] 文件1 文件2

• 无选项时，默认按第一列（关键字）合并，输出"关键字 + 文件1剩余列 + 文件2剩余列"；
• 支持 - 作为文件参数，代表读取标准输入。

三、常用选项（按功能分类）

join 的选项围绕"关键字段、分隔符、匹配规则"设计，覆盖数据库 JOIN 的核心逻辑：

选项分类	选项	作用	实用场景
关键字段配置
-1 N	指定文件1的第N列作为关键字	文件1关键字不在第一列时（如第3列是用户ID）
-2 N	指定文件2的第N列作为关键字	文件2关键字不在第一列时
分隔符配置
-t "字符"	指定字段分隔符（默认空格/制表符）	处理CSV文件（分隔符为逗号）、竖线分隔的文本
-o 格式	自定义输出列（如1.1 2.2代表文件1第1列+文件2第2列）	仅输出需要的列，避免冗余
匹配规则（核心）
-a 数字	显示指定文件的"不匹配行"（-a1=文件1所有行，-a2=文件2所有行）	实现 LEFT/RIGHT JOIN 效果
-v 数字	仅显示指定文件的"不匹配行"（-v1=仅文件1不匹配行）	找两个文件的差异行
-e "字符串"	用指定字符串填充空列（配合-a使用）	统一空值显示（如用"N/A"替代空）

四、基础示例（先理解核心逻辑）

先准备两个已排序的结构化文件（模拟用户信息和订单信息）：

# file1.txt（用户信息：ID 姓名 年龄，关键字=ID）
1 张三 25
2 李四 30
3 王五 28
4 赵六 35

# file2.txt（订单信息：ID 订单号 金额，关键字=ID）
1 OD001 100
2 OD002 200
3 OD003 150
5 OD005 300

场景1：默认合并（INNER JOIN）

仅输出关键字（ID）在两个文件中都存在的行：

join file1.txt file2.txt

输出结果（关键字+file1剩余列+file2剩余列）：

1 张三 25 OD001 100
2 李四 30 OD002 200
3 王五 28 OD003 150

• 赵六（ID4）、ID5 因仅在单个文件存在，被过滤（这就是数据库的 INNER JOIN）。

场景2：LEFT JOIN（显示文件1所有行）

用 -a1 保留文件1的所有行，无匹配时补空：

join -a1 file1.txt file2.txt

输出结果：

1 张三 25 OD001 100
2 李四 30 OD002 200
3 王五 28 OD003 150
4 赵六 35

• 赵六（ID4）无订单，订单列为空；ID5 仍不显示（仅保留文件1所有行）。

场景3：FULL JOIN（显示所有行）

组合 -a1 -a2 实现全连接，配合 -e "N/A" 填充空值：

join -a1 -a2 -e "N/A" file1.txt file2.txt

输出结果：

1 张三 25 OD001 100
2 李四 30 OD002 200
3 王五 28 OD003 150
4 赵六 35 N/A N/A
5 N/A N/A OD005 300

场景4：仅显示不匹配行（找差异）

用 -v1 仅显示文件1独有的行，-v2 仅显示文件2独有的行：

# 仅文件1独有的行（赵六）
join -v1 file1.txt file2.txt
# 输出：4 赵六 35

# 仅文件2独有的行（ID5）
join -v2 file1.txt file2.txt
# 输出：5 OD005 300

五、进阶实操（处理CSV/自定义关键字）

场景1：处理CSV文件（逗号分隔）

准备CSV文件（需先排序）：

# user.csv（ID,姓名,城市）
1,张三,北京
2,李四,上海
3,王五,广州

# order.csv（订单号,用户ID,金额）
OD001,1,100
OD002,2,200
OD003,3,150
OD005,5,300

步骤1：先按关键字排序（order.csv的关键字是第2列，需先排序）：

# 对order.csv按第2列（用户ID）排序，保存为sorted_order.csv
sort -t "," -k 2 order.csv > sorted_order.csv

步骤2：指定分隔符+自定义关键字+自定义输出列：

# -t ","：分隔符为逗号
# -1 1：file1（user.csv）关键字是第1列
# -2 2：file2（sorted_order.csv）关键字是第2列
# -o 1.2,1.3,2.1,2.3：输出列=姓名、城市、订单号、金额
join -t "," -1 1 -2 2 -o 1.2,1.3,2.1,2.3 user.csv sorted_order.csv

输出结果（CSV格式）：

张三,北京,OD001,100
李四,上海,OD002,200
王五,广州,OD003,150

场景2：管道配合（实时处理命令输出）

将两个命令的输出按关键字合并（用 - 代表标准输入）：

# 模拟生成已排序的用户ID+消费额，与file1.txt合并
echo -e "1 500\n2 800\n3 600" | join -1 1 -2 1 file1.txt -

输出结果：

1 张三 25 500
2 李四 30 800
3 王五 28 600

六、关键注意事项

1. 排序是前提 ：文件未排序会导致匹配失败，排序时需和join用相同的分隔符（如CSV用sort -t "," -k N）；
2. 分隔符统一 ：若文件中字段分隔符是多个空格/制表符混合，可先用tr -s ' '压缩为单个空格；
3. 关键字唯一 ：若关键字重复，join会按笛卡尔积合并（如文件1ID1有2行，文件2ID1有3行，会生成6行）；
4. 空值处理 ：无匹配的列默认为空，用-e可自定义填充值（需配合-a使用才生效）；
5. 二进制文件：仅支持文本文件，不支持二进制文件（如压缩包、镜像）。

七、与paste/cat的核心区别（必分清）

命令	合并逻辑	核心前提	适用场景
join	按关键字段匹配合并（数据库JOIN）	文件需按关键字排序	关联结构化数据（用户+订单、ID+信息）
paste	按行号无脑列拼接	无前提	简单列合并（姓名+年龄+职业）
cat	按顺序纵向行拼接	无前提	合并文件行（日志片段、文本片段）

总结

join 是结构化文本的关联合并工具 ，核心价值是按关键字匹配行，日常高频用法：

1. 基础内连接：join 文件1 文件2
2. 左/右连接：join -a1/-a2 -e "N/A" 文件1 文件2
3. 找差异行：join -v1/-v2 文件1 文件2
4. 处理CSV：join -t "," -1 N -2 M 文件1 文件2
5. 自定义输出列：join -o 1.X,2.Y 文件1 文件2