3.3 文本文件的交集与差集

《Linux Shell 脚本攻略（第 2 版）》读书笔记

comm 命令可用于两个文件之间的比较。可执行如下操作

• 交集（intersection）：打印出两个文件所共有的行。
• 求差（difference）：打印出指定文件所包含的且互不相同的那些行。
• 差集（set difference）：打印出包含在文件 A 中，但不包含在其他指定文件中的那些行。

注意：comm必须使用排过序的文件作为输入。

现有 A.txt、B.txt 两个文件

$ sort A.txt -o A.txt ; sort B.txt -o B.txt # 排序
$ cat A.txt
apple
gold
iron
orange
silver
steel
$ cat B.txt
carrot
cookies
gold
orange

执行不带任何选项的 comm 命令

$ comm A.txt B.txt
apple
        carrot
        cookies
                gold
iron
                orange
silver
steel

• 第一列，包含只在 A.txt 文件中出现的行。
• 第二列，包含只在 B.txt 文件中出现的行。
• 第三列，包含 A.txt 和 B.txt 中相同的行。
• 各列以制表符（\t）作为定界符。

打印两个文件的交集

$ comm -1 -2 A.txt B.txt
gold
orange

• -1 删除第一列
• -2 删除第二列

打印两个文件中不相同的行（求差）

$ comm -3 A.txt B.txt
apple
        carrot
        cookies
iron
silver
steel

# 生成规范的输出
$ comm -3 A.txt B.txt | sed 's/^\t//'
apple
carrot
cookies
iron
silver
steel

# OS X 用下面这个命令
$ comm -3 A.txt B.txt | tr "\t" "\0"

sed 's/^\t//':sed 是一个“非交互式的”面向字符流的编辑器。

• s 表示替换（substitute）。
• /^\t/ 匹配行前的\t（^是行首标记）。
• // 用来替换行首的\t。

差集

• A.txt 的差集

$ comm -2 -3 A.txt B.txt
# 删除第二列和第三列

• B.txt 的差集

$ comm -1 -3 A.txt B.txt
# 删除第一列和第三列