scripts/join.awk

   1 #!/bin/awk -f
   2 #
   3 # Copyright © 2022 Nick Bowler
   4 #
   5 # Partial implementation of POSIX "join" command: only the "-v" and "-a"
   6 # options are implemented.
   7 #
   8 # Not all awk implementations support reading from standard input with the
   9 # getline function by specifying a filename of "-".  In particular, busybox
  10 # awk will read from a file named "-" instead of standard input.  Since
  11 # busybox-based environments are typically missing "join", this limitation
  12 # is problematic.  As a workaround, do not use "-" for the second input
  13 # filename.
  14 #
  15 # License WTFPL2: Do What The Fuck You Want To Public License, version 2.
  16 # This is free software: you are free to do what the fuck you want to.
  17 # There is NO WARRANTY, to the extent permitted by law.
  18
  19 BEGIN {
  20   show_uniq_lhs = 0
  21   shoq_uniq_rhs = 0
  22   show_common   = 1
  23
  24   # Process command-line options
  25   for (i = 1; i < ARGC; i++) {
  26     if (substr(ARGV[i], 1, 1) != "-" || ARGV[i] == "-")
  27       break;
  28
  29     opt = substr(ARGV[i], 2, 1);
  30     if (opt == "a" || opt == "v") {
  31       num = substr(ARGV[i], 3, 1);
  32       if (num == "") {
  33         # option argument must be next on command-line
  34         ARGV[i++] = "";
  35         num = ARGV[i];
  36       }
  37
  38       if (opt == "v") {
  39         show_common = 0;
  40       }
  41
  42       if (num == 1) {
  43         show_uniq_lhs = 1;
  44       } else if (num == 2) {
  45         show_uniq_rhs = 1;
  46       } else {
  47         # invalid argument
  48         exit 1;
  49       }
  50     } else {
  51       # unsupported option
  52       exit 1;
  53     }
  54
  55     ARGV[i] = "";
  56   }
  57
  58   if (i+2 != ARGC) {
  59     # invalid usage
  60     exit 1;
  61   }
  62
  63   file2 = ARGV[i+1];
  64   ARGV[i+1] = "";
  65
  66   rhs_max_nr = rhs_nr = 0;
  67   if (advance_rhs() == 0)
  68     finish_rhs();
  69 }
  70
  71 { $1 = $1 }
  72 $1 == lhs_prev {
  73   # Rewind RHS as we have duplicate common keys in LHS.
  74   close(file2);
  75
  76   rhs_nr = 0;
  77   advance_rhs();
  78 }
  79
  80 $1 < rhs[1] {
  81   if (show_uniq_lhs) {
  82     print;
  83   }
  84   next;
  85 }
  86
  87 {
  88   while ($1 > rhs[1]) {
  89     if (show_uniq_rhs && rhs_nr == rhs_max_nr)
  90       print_rhs();
  91
  92     if (advance_rhs() == 0)
  93       finish_rhs();
  94
  95     if (show_uniq_lhs && $1 < rhs[1])
  96       print;
  97   }
  98 }
  99
 100 !rhs_eof && $1 == rhs[1] {
 101   lhs_prev = $1;
 102   do {
 103     if (show_common) print_match();
 104     advance_rhs();
 105   } while (!rhs_eof && $1 == rhs[1]);
 106 }
 107
 108 END {
 109   if (show_uniq_rhs) {
 110     do {
 111       print_rhs();
 112     } while (advance_rhs() > 0);
 113   }
 114 }
 115
 116 function advance_rhs(raw, rc)
 117 {
 118   rc = getline raw < file2;
 119   if (rc < 0)
 120     exit(1);
 121
 122   rhs_eof = rc == 0;
 123
 124   if (rhs_max_nr == rhs_nr++)
 125     rhs_max_nr++;
 126
 127   split(raw, rhs);
 128   return rc;
 129 }
 130
 131 function finish_rhs(rc)
 132 {
 133   rc = 0;
 134   if (show_uniq_lhs) {
 135     do {
 136       if (NR > 0) {
 137         $1 = $1;
 138         print;
 139       }
 140     } while ((rc = getline) > 0);
 141   }
 142   exit(-rc);
 143 }
 144
 145 function print_rhs(i)
 146 {
 147   if (!rhs_eof) {
 148     if (i < 1)
 149       printf "%s", rhs[1];
 150     for (i = 2; i in rhs; i++) {
 151       printf " %s", rhs[i];
 152     }
 153     print "";
 154   }
 155 }
 156
 157 function print_match(i)
 158 {
 159   printf "%s", $0
 160   print_rhs(2);
 161 }