join 指令：文字檔的 SQL-like 合併

在 Linux 系統管理與資料處理的日常工作中，我們經常需要將分散在不同檔案中的相關資訊整合在一起。雖然 awk 或 grep 是強大的工具，但它們通常需要撰寫較複雜的腳本邏輯。這時，join 指令就顯得格外親切且高效。

join 是一個非常實用的 Unix 指令，它能夠根據兩個檔案中的共同欄位（類似於 SQL 中的 JOIN 操作），將兩份純文字檔合併成一份。對於習慣使用關聯式資料庫的使用者來說，join 的邏輯幾乎是直觀的：只要兩邊都有相同的「鍵值（Key）」，就將對應的資料行拼接起來。

本文將深入解析 join 的用法，並透過實際範例展示如何在 Ubuntu 22.04 或 Debian 12 系統上高效完成資料合併任務。

基本語法與前提

join 的核心概念是「對齊」。在使用 join 之前，必須確保兩個檔案都是已排序（Sorted）的狀態，且排序依據必須與指定的連接欄位一致。這是新手最容易忽略的關鍵點。

基本語法如下：

join [選項] 檔案1 檔案2

預設情況下，join 會根據兩個檔案的第一個欄位進行合併。如果兩個檔案的第一欄位內容相同，它會將這兩行的其餘內容拼接起來。

實際操作範例

為了演示，我們建立兩個簡單的 CSV 風格檔案。假設我們有一個員工資料檔 employees.txt 和一個部門資料檔 departments.txt。

步驟 1：準備測試資料

請在終端機執行以下指令建立測試檔案：

# 建立員工資料 (ID, Name)
cat > employees.txt <<EOF
1 Alice
2 Bob
3 Charlie
4 David
EOF

# 建立部門資料 (ID, Department)
cat > departments.txt <<EOF
1 Engineering
2 Marketing
3 Sales
5 HR
EOF

步驟 2：執行基本合併

我們希望找出每個員工所屬的部門。執行以下指令：

join employees.txt departments.txt

輸出結果：

1 Alice Engineering
2 Bob Marketing
3 Charlie Sales

解析：

1、2、3 是兩個檔案共有的 ID，因此這三行被合併。
4 David 沒有出現在 departments.txt 中，因此被遺漏。
5 HR 沒有出現在 employees.txt 中，因此也被遺漏。
預設情況下，join 會移除連接鍵（ID），並將剩餘欄位用空白字元連接。

進階應用：控制連接鍵與欄位顯示

預設行為雖然方便，但在實際工作中，我們通常需要更精確的控制。例如，我們可能希望保留 ID 欄位，或者根據非第一個欄位進行連接。

1. 指定連接欄位 (`-1` 和 `-2`)

假設資料格式變更為 Name,ID 和 Department,ID，此時 ID 位於第二欄。我們需要告訴 join 在哪一欄進行比對。

# 建立新的測試資料
cat > emp_new.txt <<EOF
Alice,1
Bob,2
Charlie,3
EOF

cat > dept_new.txt <<EOF
Engineering,1
Marketing,2
Sales,3
EOF

# 指定 emp_new.txt 的第 2 欄和 dept_new.txt 的第 2 欄作為連接鍵
join -1 2 -2 2 emp_new.txt dept_new.txt

輸出結果：

1,Alice,Engineering
2,Bob,Marketing
3,Charlie,Sales

注意：預設分隔符號是空白字元。如果檔案使用逗號 , 分隔，必須使用 -t 選項指定分隔符號。

2. 指定分隔符號 (`-t`)

join -1 2 -2 2 -t ',' emp_new.txt dept_new.txt

輸出結果：

1,Alice,Engineering
2,Bob,Marketing
3,Charlie,Sales

3. 顯示未匹配的列 (`-a`)

有時我們需要知道哪些資料「沒有」匹配成功。例如，找出沒有部門的員工。

# -a 1 表示顯示檔案1中未匹配的列
join -1 2 -2 2 -t ',' -a 1 emp_new.txt dept_new.txt

輸出結果：

1,Alice,Engineering
2,Bob,Marketing
3,Charlie,Sales
Bob,2

這顯示了所有匹配的資料，以及 emp_new.txt 中多出來的 Bob,2（假設這裡是模擬情境，實際上 Bob 已匹配，此處僅展示語法結構，若將 emp_new.txt 改為 Alice,1; Eve,4，則會顯示 Eve,4）。

常見問題與注意事項

1. 為什麼我的 `join` 輸出是空的？

這是最常見的問題。join 要求輸入檔案必須是字典序排序的。如果檔案未排序，join 無法正確比對，通常會產生空輸出或錯誤訊息。

解決方法： 在執行 join 之前，先對檔案進行排序：

sort employees.txt > employees_sorted.txt
sort departments.txt > departments_sorted.txt
join employees_sorted.txt departments_sorted.txt

或者使用流程控制（Process Substitution）直接在指令中排序：

join <(sort employees.txt) <(sort departments.txt)

2. 如何處理欄位中的特殊字元或空白？

預設情況下，join 以空白字元作為欄位分隔符。如果欄位內容包含空白（例如姓名為 "Van Dyke"），預設行為會將其視為多個欄位，導致比對失敗。

解決方法： 務必使用 -t 選項指定明確的分隔符號（如逗號 | 或 :），並確保原始資料的分隔符號與 -t 指定的一致。避免在純文字檔中使用空白作為主要分隔符，除非你確定欄位內容不含空白。

小結

join 指令是 Linux 文字處理工具箱中一把被低估的利器。它提供了類似 SQL INNER JOIN 的功能，但速度更快、資源佔用更少，特別適合處理小型至中型的純文字檔。

掌握 join 的關鍵在於：

確保檔案已排序。
正確指定連接欄位（-1, -2）。
正確指定分隔符號（-t）。

透過熟練運用這些選項，你可以輕鬆地在命令行中完成複雜的資料整合工作，無需依賴龐大的資料庫軟體。下次遇到需要合併兩個檔案的需求時，不妨先試試看 join 吧！