兩萬(wàn)行的客戶(hù)名單要找出新增的，我差點(diǎn)一行行對(duì)

上個(gè)月接了個(gè)活，甲方給了兩份客戶(hù)名單，一份是上個(gè)季度的，一份是這個(gè)季度的，都是TXT文件，每行一個(gè)客戶(hù)編號(hào)。

甲方的需求很簡(jiǎn)單：找出這個(gè)季度新增了哪些客戶(hù)。

聽(tīng)起來(lái)不難對(duì)吧？我也這么覺(jué)得。然后我打開(kāi)文件一看——上季度那份一萬(wàn)八千多行，這季度兩萬(wàn)三千多行。

最開(kāi)始的笨辦法

我第一反應(yīng)是用Excel。把兩個(gè)文件的內(nèi)容分別粘貼到兩列里，然后用VLOOKUP去匹配。

問(wèn)題來(lái)了：兩萬(wàn)多行的VLOOKUP，Excel直接卡了好幾秒才算完。更麻煩的是，兩份名單的行數(shù)不一樣，VLOOKUP拉公式的時(shí)候還得注意范圍，稍不留神就出錯(cuò)。

折騰了半個(gè)多小時(shí)，總算弄出來(lái)了。但我心里清楚，這個(gè)方法太笨了，下次再來(lái)一份三萬(wàn)行的怎么辦？

后來(lái)的做法

在群里吐槽這事的時(shí)候，有人說(shuō)可以用個(gè)叫「兩TXT文檔對(duì)比工具」的東西，專(zhuān)門(mén)干這個(gè)的。

我試了一下，確實(shí)簡(jiǎn)單。打開(kāi)軟件，把上季度的名單拖到A文件的框里，這季度的名單拖到B文件的框里，選了個(gè)"B比A多出的行"的模式，點(diǎn)開(kāi)始。

大概三四秒，結(jié)果就出來(lái)了。日志里顯示：A文件18000多行，B文件23000多行，結(jié)果5000多行。這5000多行就是新增的客戶(hù)編號(hào)。

我打開(kāi)結(jié)果文件抽查了幾個(gè)，確實(shí)是新名單里有但舊名單里沒(méi)有的。

半小時(shí)的Excel操作，變成了不到一分鐘。

后來(lái)又用了幾次

第二次用是合并關(guān)鍵詞。我做內(nèi)容運(yùn)營(yíng)，從兩個(gè)不同的工具里導(dǎo)出了關(guān)鍵詞列表，需要合并成一份。兩份加起來(lái)大概有三千多個(gè)關(guān)鍵詞，肯定有不少重復(fù)的。

我選了"合并并去重"那個(gè)模式，兩個(gè)文件一合并，三千多變成了兩千出頭，重復(fù)的全自動(dòng)去掉了。

第三次用是找兩份數(shù)據(jù)的共同部分。市場(chǎng)部給了一份參加過(guò)活動(dòng)的用戶(hù)列表，我手里有一份購(gòu)買(mǎi)過(guò)產(chǎn)品的用戶(hù)列表，想知道哪些用戶(hù)既參加了活動(dòng)又買(mǎi)了東西。選了"交集"模式，幾秒鐘就篩出來(lái)了。

還有一次比較特殊，甲方要求把兩份名單合并，但要標(biāo)注每個(gè)編號(hào)是來(lái)自哪份名單。軟件里剛好有個(gè)"合并并標(biāo)注來(lái)源"的模式，合并后每行后面會(huì)自動(dòng)加上"----A"或"----B"，一目了然。

一些使用心得

文件拖拽這個(gè)功能挺方便的，不用每次都點(diǎn)瀏覽按鈕去找文件。直接把TXT文件拖到對(duì)應(yīng)的框里就行。

有個(gè)"保持原文件順序"的選項(xiàng)，建議勾上。不然結(jié)果的行順序可能會(huì)被打亂，后續(xù)處理起來(lái)不方便。

還有個(gè)關(guān)鍵詞篩選的模式，可以從兩個(gè)文件里同時(shí)篩選包含某個(gè)關(guān)鍵詞的行。我用過(guò)一次，從兩份日志文件里篩選包含"失敗"的記錄，挺實(shí)用的。

唯一不太方便的是，結(jié)果文件的名字是固定的"處理結(jié)果.txt"，每次處理完如果不改名，下次處理就會(huì)被覆蓋。所以我現(xiàn)在養(yǎng)成了習(xí)慣，處理完就把結(jié)果文件改個(gè)名。

回過(guò)頭來(lái)想

其實(shí)這類(lèi)需求說(shuō)白了就是集合運(yùn)算——差集、交集、并集。以前沒(méi)有趁手的工具，只能用Excel硬湊，費(fèi)時(shí)費(fèi)力還容易出錯(cuò)。

現(xiàn)在有了專(zhuān)門(mén)的工具，幾秒鐘搞定的事情，沒(méi)必要再花半小時(shí)去折騰公式了。做數(shù)據(jù)相關(guān)工作的朋友，如果經(jīng)常要對(duì)比文本文件，可以往這個(gè)方向找找解決方案。