Unix命令查找两个文件中常见的行

问题描述 投票:155回答:11

我确定我曾经发现一个unix命令可以打印两个或多个文件中的公共行,有人知道它的名字吗?它比diff简单得多。

unix shell command-line
11个回答
186
投票

你正在寻找的命令是comm。例如:-

comm -12 1.sorted.txt 2.sorted.txt

这里:

-1:禁止第1列(1.sorted.txt唯一的行)

-2:抑制第2列(2.sorted.txt唯一的行)


2
投票

仅供参考,如果有人仍在查看如何为多个文件执行此操作,请参阅Finding matching lines across many files.的链接答案


结合这两个答案(ans1ans2),我认为你可以得到你需要的结果,而无需对文件进行排序:

#!/bin/bash
ans="matching_lines"

for file1 in *
do 
    for file2 in *
        do 
            if  [ "$file1" != "$ans" ] && [ "$file2" != "$ans" ] && [ "$file1" != "$file2" ] ; then
                echo "Comparing: $file1 $file2 ..." >> $ans
                perl -ne 'print if ($seen{$_} .= @ARGV) =~ /10$/' $file1 $file2 >> $ans
            fi
         done 
done

只需保存它,给它执行权(chmod +x compareFiles.sh)并运行它。它将获取当前工作目录中存在的所有文件,并将在“matching_lines”文件中进行全对比比较结果。

有待改进的地方:

  • 跳过目录
  • 避免两次比较所有文件(file1 vs file2和file2 vs file1)。
  • 也许在匹配字符串旁边添加行号

-2
投票
rm file3.txt

cat file1.out | while read line1
do
        cat file2.out | while read line2
        do
                if [[ $line1 == $line2 ]]; then
                        echo $line1 >>file3.out
                fi
        done
done

这应该做到这一点。


54
投票

要轻松将comm命令应用于未排序的文件,请使用Bash的process substitution

$ bash --version
GNU bash, version 3.2.51(1)-release
Copyright (C) 2007 Free Software Foundation, Inc.
$ cat > abc
123
567
132
$ cat > def
132
777
321

所以文件abc和def有一条共同的行,一行是“132”。在未排序的文件上使用comm:

$ comm abc def
123
    132
567
132
    777
    321
$ comm -12 abc def # No output! The common line is not found
$

最后一行没有产生输出,没有发现公共线。

现在使用comm对已排序的文件,使用进程替换对文件进行排序:

$ comm <( sort abc ) <( sort def )
123
            132
    321
567
    777
$ comm -12 <( sort abc ) <( sort def )
132

现在我们得到了132线!


24
投票

也许你的意思是comm

逐行比较已排序的文件FILE1和FILE2。

没有选项,产生三列输出。第一列包含FILE1特有的行,第二列包含FILE2特有的行,第三列包含两个文件共有的行。

查找这些信息的秘诀是信息页面。对于GNU程序,它们比人工页面更详细。尝试info coreutils,它会列出所有小的有用的工具。


24
投票

为了补充Perl单线,这里是它的awk等价物:

awk 'NR==FNR{arr[$0];next} $0 in arr' file1 file2

这将读取从file1到数组arr[]的所有行,然后检查file2中的每一行,如果它已经存在于数组中(即file1)。找到的行将按照它们在file2中出现的顺序打印。请注意,比较in arr使用file2中的整行作为数组的索引,因此它只会在整行上报告完全匹配。


18
投票

grep -v -f 1.txt 2.txt > 3.txt

给你两个文件的差异(2.text中的内容而不是1.text中的内容),你可以很容易地做到

grep -f 1.txt 2.txt > 3.txt

收集所有常见的行,这应该为您的问题提供简单的解决方案。如果你有分类文件,你应该采取comm。问候!


8
投票
perl -ne 'print if ($seen{$_} .= @ARGV) =~ /10$/'  file1 file2

5
投票
awk 'NR==FNR{a[$1]++;next} a[$1] ' file1 file2

4
投票

如果这两个文件尚未排序,您可以使用:

comm -12 <(sort a.txt) <(sort b.txt)

并且它将工作,避免在做comm: file 2 is not in sorted order 时的错误消息comm -12 a.txt b.txt


3
投票

在Linux的有限版本上(就像我正在研究的QNAP(nas)):

  • comm不存在
  • grep -f file1 file2会引起一些问题,正如@ChristopherSchultz所说,使用grep -F -f file1 file2真的很慢(超过5分钟 - 没有完成它 - 超过2-3秒,使用下面的方法超过20MB的文件)

所以这就是我所做的:

sort file1 > file1.sorted
sort file2 > file2.sorted

diff file1.sorted file2.sorted | grep "<" | sed 's/^< *//' > files.diff
diff file1.sorted files.diff | grep "<" | sed 's/^< *//' > files.same.sorted

如果files.same.sorted的顺序与原始顺序相同,则将此行添加到与file1相同的顺序:

awk 'FNR==NR {a[$0]=$0; next}; $0 in a {print a[$0]}' files.same.sorted file1 > files.same

或者,与file2相同的顺序:

awk 'FNR==NR {a[$0]=$0; next}; $0 in a {print a[$0]}' files.same.sorted file2 > files.same