【程序设计】10.3 [找关联] 归并
10.3 归并
假如有两个 Excel 文件，比如前面说的订单表，可能由两个人分别制作，其中就可能会有些重复的记录，我们需要把这些重复记录挑出来，然后合并成一个没有重复记录的表。
本来，这是个很简单地集合求并的任务，我们学过集合运算，可以直接使用交交差等运算符就完事。但是，我们还知道序表中的不同记录永远不会相等，不同序表的记录更不会相等，从 Excel 文件读出来的序表当然是不同序表，这时候就不能适合集合运算了。
SPL 提供了归并运算函数来完成这个任务：
A |
B |
|
1 |
=T("data1.xlsx") |
=T("data2.xlsx") |
2 |
=[A1,B1].merge@uo() |
>T("data.xlsx",A2) |
很简单，merge 函数将对比记录的内容。其中的 @u 就表示求并集，如果没有这个选项，它会把两个序表直接拼起来，也就是求和集（即 |）。@o 等下再说，先写上就行了。
类似地，merge 函数还可以求交集，即寻找出重复的记录，把 @u 换成 @i 就行了。
A |
B |
|
1 |
=T("data1.xlsx") |
=T("data2.xlsx") |
2 |
=[A1,B1].merge@io() |
>T("data.xlsx",A2) |
merge 函数会对比整条记录的所有字段，如果有任何一个字段不相同，就会认为两条记录是不同的。这样的比较会比较费时，而且有时候可能也没有必要。比如这个订单问题，我们认为制作人是认真负责的，只要订单号正确了，订单内容就不会有错，但订单收集过程中可能有重复和遗漏，导致两份文件中有重复的订单号，这样只要将订单号重复的记录挑出来即可。
A |
B |
|
1 |
=T("data1.xlsx") |
=T("data2.xlsx") |
2 |
=[A1,B1].merge@uo(ID) |
>T("data.xlsx",A2) |
在 merge 函数中加个参数，就可以要求它只对比这些字段。
或者对于设置了主键的记录，merge 函数就会只对比主键了。
A |
B |
|
1 |
=T("data1.xlsx").keys(ID) |
=T("data2.xlsx").keys(ID) |
2 |
=[A1,B1].merge@uo() |
>T("data.xlsx",A2) |
对于交集也是一样，把 @u 换成 @i 就可以。
情况再复杂一些，两个制作人都可能出错。我们要看看两个文件中订单号相同的记录是不是内容有出入， 这就要把订单号相同记录挑出来再做全内容对比看看是不是相同。
A |
B |
|
1 |
=T("data1.xlsx") |
=T("data2.xlsx") |
2 |
=[A1,B1].merge@io(ID) |
=[B1,A1].merge@io(ID) |
3 |
=[A2,B2].merge@do() |
=A3.(ID) |
A2 将计算出 A1 中订单号和 B1 有重复的那些记录，但保留的是由 A1 的记录构成的排列。对应的，B2 将保留 B1 中与 A1 的订单号重复的记录。A2 和 B2 都是 A1 和 B1 的交集，但只是在比较订单号意义上的交集，其全内容还不一定相同。然后在 A3 用 merge@d 做 A2 对 B2 的全内容差集，这样就可以挑出 A2 中内容与 B2 对应订单不同的记录，在 B3 中取出这些订单的订单号，也就是要继续审查的订单了。
当集合运算涉及到结构化数据时， 会出现这种复杂的情况。主键（或某个较关键的字段）相同，不表示整条记录相同。求交并差要判断记录相同时，有可能只使用主键，也可能要使用整条记录。如果只使用主键，会发生不满足交换律的现象，这并不只成员次序不同，而可能是内容完全不同。在写代码时要特别注意。
现在再来说这个 @o 选项。merge 函数缺省情况会假定数据有序（比如都是从小到大），这样比较的速度非常快，不要再做排序。@o 选项则告诉 merge 函数现在数据是乱序的，需要先排序。我们目前这个例子中，订单都是按订单号有序排列的，不写 @o 也没关系。
还有个注意点，merge 函数前面是个序列（[A1,B1]），它可以同时计算出多个排列的并、交结果。不过相对不常见，这里不再举例了。
merge 函数对序列也有效，不过单值序列一般直接用集合运算符了，很少用 merge 函数。
