【转】LINUX Shell 下求两个文件交集和差集的办法

假设两个文件FILE1和FILE2用集合A和B表示，FILE1内容如下：

 

a
b
c
e
d
a

 

FILE2内容如下：

 

c
d
a
c

 

基本上有两个方法，一个是comm命令，一个是grep命令。分别介绍如下：

 

comm命令 ， Compare sorted files FILE1 and FILE2 line by line. With  no options, produce three-column output.  Column one contains lines unique to FILE1, column two contains lines unique to FILE2, and column three contains lines common to both files. 要注意两个文件必须是排序和唯一(sorted and unique)的，默认输出为三列，第一列为是A-B，第二列B-A，第三列为A交B。

直接运行结果如下：

 

$ comm a.txt b.txt
a
b
                c
        d
        a
        c
e
d
a

 

仅仅排序：

 

$ comm <(sort a.txt ) <(sort b.txt )
                a
a
b
                c
        c
                d
e

 

排序并且唯一：

 

$ comm <(sort a.txt|uniq ) <(sort b.txt|uniq )
                a
b
                c
                d
e

 

如果只想要交集，如下即可：

 

$ comm -12 <(sort a.txt|uniq ) <(sort b.txt|uniq )
a
c
d

 

至于差集，读者自己思考了。

 

grep 命令是常用的搜索文本内容的，要找交集，如下即可：

 

p$ grep -F -f a.txt b.txt
c
d
a
c

 

grep不要求排序，但是因为是集合操作，唯一是必须的（不然怎么是集合呢？）。所以：

 

$ grep -F -f a.txt b.txt | sort | uniq
a
c
d

 

差集呢？

 

$ grep -F -v -f a.txt b.txt | sort | uniq
$ grep -F -v -f b.txt a.txt | sort | uniq
b
e

 

第一行结果为B-A，所以为空；第二行为A-B。注意顺序很重要！