a.txt 中的内容如下:
1
2
3
4
5
6
|
a c 1 3 d 4 |
b.txt 中的内容如下:
1
2
3
4
5
6
|
a b e 2 1 5 |
# Example 01
计算并集:
1
2
3
4
5
6
7
8
9
10
11
12
|
[root@VM_81_181_centos ~]# sort -u a.txt b.txt 1 2 3 4 5 a b c d e [root@VM_81_181_centos ~]# |
# Exmaple 02
计算交集:
1
2
3
4
|
[root@VM_81_181_centos ~]# grep -F -f a.txt b.txt | sort | uniq 1 a [root@VM_81_181_centos ~]# |
# Example 03
计算差集(a - b):
1
2
3
4
5
6
|
[root@VM_81_181_centos ~]# grep -F -v -f b.txt a.txt | sort | uniq 3 4 c d [root@VM_81_181_centos ~]# |
# Example 04
计算差集(b - a):
1
2
3
4
5
6
|
[root@VM_81_181_centos ~]# grep -F -v -f a.txt b.txt | sort | uniq 2 5 b e [root@VM_81_181_centos ~]# |
-----------------------------------------------------------手动分割线---------------------------------------------------------------------------
2018/09/30 更新
上面介绍了关于如何使用 grep 命令实现文件的交、差集,但是在实际操作中得到的结果却有点问题存在
1
2
3
4
5
|
[root@VM_81_181_centos ~]# grep -F -f a.txt b.txt | sort | uniq | wc -l 4095 [root@VM_81_181_centos ~]# grep -F -f b.txt a.txt | sort | uniq | wc -l 4729 [root@VM_81_181_centos ~]# |
上面的命令我是用于求 a 、b 两个文件的交集,但是当把两个文件的位置顺序改变了一下,结果竟然是不
一样,这是不科学的。
后来仔细想了想,grep 命令是搜索查找的命令,举个例子:
c.txt 文件里面的内容如下:
1
2
3
4
|
1122 1133 1144 1155 |
d.txt 文件里面的内容如下:
1
|
11223344 |
执行 grep 命令:
1
2
3
4
|
[root@VM_81_181_centos ~]# grep -F -f c.txt d.txt | sort | uniq 11223344 [root@VM_81_181_centos ~]# grep -F -f d.txt c.txt | sort | uniq [root@VM_81_181_centos ~]# |
根据结果,对第一条命令的解读是:
命令执行后,在 d.txt 文件里面搜索和 c.txt 文件相匹配的字符,因为 c.txt 文件里面的字符 1122 和 d.txt 文件里面的
字符 11223344 前面的 1122 相匹配,则就把 11223344 字符作为两个文件相同的部分记录下来
第二条命令:
命令执行后,在 c.txt 文件里面搜索和 d.txt 文件相匹配的字符,d.txt 文件里面的 11223344 在 c.txt 文件里面找不到
与其类似或相同的字符,所以,结果为空。
现在,在 c.txt 文件里面新增字符 112233445566,结果及操作如下:
c.txt 文件内容:
1
2
3
4
5
|
1122 1133 1144 1155 1122334455 |
执行 grep 命令:
1
2
3
|
[root@VM_81_181_centos ~]# grep -F -f d.txt c.txt | sort | uniq 1122334455 [root@VM_81_181_centos ~]# |
结论:
1
|
grep -F -f fileA fileB | sort | uniq |
当 fileA 文件 在前,则表示在 fileB 文件里面搜索和 fileA 文件里面相同或者类似的字符,并将 fileB 文件里面那个字符记录下来
同理,fileB 在前,fileA 在后的情况。
但是,在这里这并不是我们想要的结果,我们想要的结果就是我们以前学数学时候,求两个集合的交集一样,结果输
出的是两个集合共有的部分,尝试了几个方法,最后还是选择使用 cat 命令。
命令格式如下:
1
2
|
cat fileA fileB | sort | uniq -d # 求交集 cat fileA fileB | sort | uniq -u # 求差集 |
这个命令比较好理解,cat 命令先把两个文件合并成一个文件,然后在对合并后的文件进行排序、去重,-d 命令输出文
件中相同的字符,-u 命令输出文件中不同的字符,并且 在计算交集的时候 fileA、fileB 文件顺序哪个在前在后的结果都是一样的。
案例如下:
1
2
3
4
5
6
7
8
9
10
|
[root@VM_81_181_centos ~]# cat c.txt 1122 1133 1144 1155 1122334455 [root@VM_81_181_centos ~]# cat d.txt 11223344 1122 [root@VM_81_181_centos ~]# |
c、d 文件内容如上
执行 cat 命令求交集:
1
2
3
4
5
|
[root@VM_81_181_centos ~]# cat c.txt d.txt | sort | uniq -d 1122 [root@VM_81_181_centos ~]# cat d.txt c.txt | sort | uniq -d 1122 [root@VM_81_181_centos ~]# |
执行 cat 命令求差集:
1
2
3
4
5
6
7
8
9
10
11
12
13
|
[root@VM_81_181_centos ~]# cat c.txt d.txt | sort | uniq -u 11223344 1122334455 1133 1144 1155 [root@VM_81_181_centos ~]# cat d.txt c.txt | sort | uniq -u 11223344 1122334455 1133 1144 1155 [root@VM_81_181_centos ~]# |
但是 cat 命令也有一个短板,当文件比较大的时候,就会出错,但是在这里我们可以去借助