Linux Shell删除两个文件相同部分

Python与开源GIS

Linux Shell删除两个文件相同部分

2015-02-05 作者: giser 浏览: 797 次

摘要: 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. 这里提到三种....

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.

这里提到三种方法,但是没有给具体的解释。

1. 方法一:使用grep

grep -v -f file1 file2 && grep -v -f file2 file1

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。

2. 方法二:实用comm

comm -3 file1 file2

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:

$cat file1 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:

$ comm -3 file1 file2         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:

$ comm -3 --nocheck-order file1 file2

    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。

3. 方法三:使用awk

awk '{print NR, $0}' file1 file2 |sort -k2|uniq -u -f 1|sort -k1|awk '{print
$2}' 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。

随机推荐

Copyright © 2014-2019 OSGeo中国中心 吉ICP备05002032号

Powered by TorCMS