两个文件比较之comm命令

Posted 2020-09-21 Alan

comm命令可用于两个文件之间的比较。它有很多不错的选项可用来调整输出，以便我们执
行交集、求差（difference）以及差集操作。
? 交集：打印出两个文件所共有的行。
? 求差：打印出指定文件所包含的且互不相同的那些行。
? 差集：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。

假设现在有两个文件a和b，内容分别是：a(1,2,3)，b(3,4,5)。那么，对这两个文件进行操作的结果如下。
交集：3。
求差：1,2,4,5。
差集（a）：1,2。

需要注意的是comm必须使用排过序的文件作为输入。请看看下面的例子：

[[email protected] shell]# echo -e "1\n3\n8\n2" > a.txt
[[email protected] shell]# cat a.txt 
1
3
8
2
[[email protected] shell]# echo -e "1\n5\n7\n2" > b.txt
[[email protected] shell]# cat b.txt 
1
5
7
2
[[email protected] shell]# sort a.txt  -o a.txt ; sort b.txt -o b.txt

(1) 首先执行不带任何选项的comm：

[[email protected] shell]# comm a.txt b.txt 
        1
        2
3
    5
    7
8

输出的第一列包含只在a.txt中出现的行（a的差集），第二列包含只在b.txt中出现的行（b的差集），第三列
包含a.txt和b.txt中相同的行（交集）。各列以制表符（\t）作为定界符。

(2) 为了打印两个文件的交集，我们需要删除第一列和第二列，只打印出第三列：

[[email protected] shell]# comm -1 -2 a.txt b.txt 
1
2

(3) 打印出两个文件中不相同的行：

[[email protected] shell]# comm -3 a.txt b.txt 
3
    5
    7
8

在这次的输出中，那些唯一出现的行使得列中出现了空白字段。所以这两列在同一
行上不会同时都出现内容。为了提高输出结果的可用性，需要删除空白字段，将两
列合并成一列：

3
5
7
8

(4) 要生成规范的输出，得使用下面的命令：

[[email protected] shell]# comm -3 a.txt b.txt | sed ‘s/^\t//‘
3
5
7
8

(5) 通过删除不需要的列，我们就可以分别得到a.txt和b.txt的差集。
a.txt的差集
$ comm a.txt b.txt -2 -3
-2 -3 删除第二列和第三列。
b.txt的差集
$ comm a.txt b.txt -1 -3
-1 -3 删除第一列和第三列。

工作原理：

comm的命令行选项可以按照需求对输出进行格式化，例如：
? -1 从输出中删除第一列；
? -2 从输出中删除第二列；
? -3 从输出中删除第三列。
　　在生成统一输出时，sed命令通过管道获取comm的输出。它删除行首的 \t字符。sed中的s
表示替换（substitute）。/^\t/ 匹配行前的 \t（^是行首标记）。//（两个/操作符之间没有任何
字符）是用来替换行首的\t的字符串。如此一来，就删除了所有行首的\t。
　　差集操作允许你比较两个文件，打印出只在a.txt或b.txt中出现的行。当a.txt和b.txt作为comm
命令的参数时，输出中的第一列是a.txt相对于b.txt的差集，第二列是b.txt相对于a.txt的差集。