Classifique e mescle 2 arquivos sem linhas duplicadas, com base na primeira coluna

Eu tenho um arquivo com todos os nomes dos testes:

$ cat all_tests.txt
test1
test2
test3
test4
test5
test6

E outro arquivo contendo os nomes dos testes e o resultado associado:

$ cat completed_tests.txt
test1 Passed
test3 Failed
test5 Passed
test6 Passed

Como criar um novo arquivo contendo todos os nomes de teste com o resultado associado sem duplicatas?

Se eu executar:

sort all_tests.txt completed_tests.txt

A saída contém duplicatas:

test1 
test1 Passed
test2
test3 
test3 Failed
test4
test5 
test5 Passed
test6 
test6 Passed

A saída desejada:

test1 Passed
test2
test3 Failed
test4
test5 Passed
test6 Passed

Parece que você pode conseguir isso com joinmuita facilidade se os arquivos forem classificados.

$ join -a 1 all_test.txt completed_test.txt
test1 Passed
test2
test3 Failed
test4
test5 Passed
test6 Passed

-a 1 significa imprimir linhas do arquivo 1 que não tinham nada associado a elas.

Se seus arquivos ainda não foram classificados, você pode usá-lo (obrigado, terdon!):

join -a 1  <(sort all_tests.txt) <(sort completed_tests.txt )

A ferramenta aqui é joincomo sugerido por @Zanna, mas aqui está uma awkabordagem:

$ awk 'NR==FNR{a[$1]=$2; next}{print $1,a[$1]}' completed_tests.txt all_tests.txt 
test1 Passed
test2 
test3 Failed
test4 
test5 Passed
test6 Passed

Perl

Efetivamente, este é um porto de resposta de Terdon:

$ perl -lane '$t+=1; $h{$F[0]}=$F[1] if $.==$t; print $F[0]," ",$h{$F[0]} if $t!=$.;$.=0 if eof' completed_tests.txt all_tests.txt          
test1 Passed
test2 
test3 Failed
test4 
test5 Passed
test6 Passed

Isso funciona construindo hash de pares de status de teste completed_test.txte pesquisando linhas all_tests.txtnesse hash. A $tvariável do total de linhas processadas de cada arquivo e $.que é redefinida ao chegar ao final do arquivo, permite acompanhar o arquivo atualmente lido.