找出删除两个文件相同部分Linux_grep,comm,awk
来源:互联网 发布:linux c 调用so动态库 编辑:程序博客网 时间:2024/05/01 19:30
因为在面试中遇到一个这样的问题,当时模模糊糊的,没有很确定的回答出来,后来上网查了一下结果,这里总结一下。
首先描述一下这个问题:比如两个文件file1和file2,删除两个文件中共同的部分,留下两个文件中独自有的部分。在网上找到一篇解决的答案,地址在这里http://hi.baidu.com/robertoyuan/blog/item/559483c4946ed5a78226acac.html。这里提到三种方法,但是没有给具体的解释。
- 方法一:使用grep
grep命令的详细使用方法,可以参考man,这里有一个简单实用的介绍:http://linux.ccidnet.com/art/3067/20070313/1035613_1.html。在方法一中,用到了两个参数。参数-v,表示invert match,即反向匹配,输出没有匹配上的项。参数-f,表示从文件中读取匹配模板(pattern)。方法一中的前一部分,在文件file1中匹配模板,来反向匹配文件file2中的内容,即输出文件file2中,在file1中没有的内容。后面的一部分同理可得,输出文件file1中,在file2中没有的内容。
- 方法二:实用comm
这个方法看起来最简单。命令comm的功能就是,逐行比较两个排好序的文件,默认输出有三列:只在file1中有的行、只在file2中有的行、在file1和file2中共有的行。有参数-1 -2 -3,分别来抑制输出对应的列。例如在我们的方法二中,实用-3参数,不输出file1和file2中共有的部分。即能达到我们本文的目的。
但是注意到,comm比较排好序的两个文件,comm在处理文件的时候,首先要查看文件是否有序,例如file1和file2的内容如下:
line1
line2
line3
$cat file2
line0
line1
line3
line2
调用前面方法二的命令的时候,就会提示file2文件时无序的,输出的结果如下:
line0
line2
comm: file 2 is not in sorted order
line2
如果使用--nocheck-order参数,不进行有序性检测,结果如下:
line0
line2
line2
从这个结果中我们可以看到,这还是不是我们真正想要的结果。这里可体现comm的另一个特征,就是逐行比较。它是对file1和file2进行逐行往下的比较,检测是否相同。所以,在用comm的时候,要根据具体的情况进行分析了。
- 方法三:使用awk
或者:
awk '{print $0}' file1 file2 |sort|uniq -u
awk命令的使用,听牛人说可谓博大精深,我也没有太搞清楚。这里只是使用了一些简单的功能。下面以我自己的理解来解释一下上面的shell代码。awk就是文本的解释器和过滤器。awk把每一行看成是一个记录(record),每个记录使用分隔符(默认是空格)把每条记录分成若干域。awk内置参数$0表示整行,$1、$2...分别表示各域,内置参数NR,表示记录的计数,awk '{print NR, $0}' file1 file2表示依次读取file1 file2,打印出每行,并且在前面添加行号。
命令sort,就是对行进行排序,参数-k表示根据各行的第几个参数关键字开进行排序,这里的-k2表示根据第二个关键字开始进行排序。
命令uniq,进行报告或者忽略重复的行,参数-u,表示只是打印出唯一的行(unique lines),-f表示忽略的每行的前n个域的比较。
- 找出删除两个文件相同部分Linux_grep,comm,awk
- Linux Shell删除两个文件相同部分
- Linux Shell删除两个文件相同部分
- Linux Shell删除两个文件相同部分
- comm对比两个文件是否相同
- Linux系统下比较两个文件并删除相同部分
- comm 比较两个文件中相同不同行
- linux 比较文件相同部分comm命令和不同部分diff命令
- 两个已排序数组,找出相同的部分
- 求两个文件的共同部分或者差异部分--comm命令
- Linux 文件比较(grep/comm/awk)
- Linux 文件比较(grep/comm/awk)
- 找出两个文件内容的相同与不同
- 两个大文件找出相同的一条记录
- awk 两个文件的两个列若相同,合并两个文件
- linux_grep
- comm比较两个文件的异同
- 找出list中的不同元素、删除两个list中相同的对象
- 用宏区分操作系统和编译器
- CF 319D(Have You Ever Heard About the Word?-模拟)
- 计算机科学中最重要的32个算法
- 基于Andoird 4.2.2的Account Manager源代码分析学习:AccountManager的初始化
- CCNode
- 找出删除两个文件相同部分Linux_grep,comm,awk
- GNUPLOT使用技巧
- 6410 otg 主控制器驱动移植
- CF 189 div2 D
- [队] 链式
- shellscript终止进程
- 正则表达式详解
- 图片高质量等比压缩java代码
- Java Web Start