CRUCES DE FICHEROS (JOIN MATCH + UNMATCH): Se generan tres ficheros de salida: “000_A_and_B.txt”: Registros que han cruzado “000_A_and_notB.txt”: Registros del fichero primario que no se encuentran en el secundario “000_notA_and_B.txt”: Registros del fichero secundario que no se encuentran en el primario

fichero_A.sorted.txt

Apr 21 70 74 514
Apr 31 52 63 420
Aug 15 34 47 316
Feb 15 32 24 226
Feb 26 58 80 652
Jan 13 25 15 115
Jan 21 36 64 620
Jul 24 34 67 436
Jun 31 42 75 492
Mar 15 24 34 228
Mar 24 75 70 495
May 16 34 29 208
Nov 20 87 82 577
Oct 29 54 68 525
Sep 13 55 37 277

fichero_B.sorted.txt

Apr Abril
Aug Agosto
Dec Diciembre
Feb Febrero
Jul Julio
Jun Junio
Mar Marzo
May Mayo
Nov Noviembre
Oct Octubre

merge.awk

 #!/usr/bin/awk -f
  BEGIN {
  	## Ficheros de entrada
		#  - Ordenados por las claves que van a ser utilizadas
		#  - El fichero secundario no puede tener duplicados
		primary_file = "fichero_A.sort.txt"
		secondary_file = "fichero_B.sort.txt"
 
		# Ficheros de salida
		match_file = "000_A_and_B.txt"
		primary_unmatch_file = "000_A_and_notB.txt"
		secondary_unmatch_file = "000_notA_and_B.txt"
 
		ARGC = 1+1 # Uno más que el número de ficheros de entrada que indiquemos.
		ARGV[1] = primary_file
	}
 
	{
		# Clave primaria del fichero primario
		primary_pkey = $1
 
		# Si el campo clave del fichero primario es más grande que el del secundario, avanzamos el registro del secundario
		if (reg == "" || primary_pkey > secondary_pkey) {
			status = getline reg < secondary_file
			if (status == 1) {
				split(reg, r, " ") # Guardamos los campos en el array r[1..n]
 
				 # Clave primaria del fichero secundario
				secondary_pkey = r[1]
			} 
		}
 
		# Si no se ha llegado al final del fichero del secundario
		if (status == 1) {
			# Cruzan
			if (primary_pkey == secondary_pkey) {
				print $0, r[2] > match_file
				vmatch[primary_pkey] = 1 # Control para evitar detectar como no cruzado en el futuro
			}
 
			# Registro del primario no existe en el secundario
			if (primary_pkey < secondary_pkey && !vmatch[primary_pkey]) {
				print $0 > primary_unmatch_file
			}
 
			# Registro del secundario no existe en el primario
			if (primary_pkey > secondary_pkey  && !vmatch[secondary_pkey]) {
				print reg > secondary_unmatch_file
			}
		} else {
			# Se ha acabado el fichero secundario, por tanto todo lo pendiente del primario no existe en el secundario
			print $0 > primary_unmatch_file
		}
 
	}