LINUX Shell 下求兩個檔案交集和差集的辦法

假設兩個檔案FILE1和FILE2用集合A和B表示，FILE1內容如下：

a<br />b<br />c<br />e<br />d<br />a

FILE2內容如下：

c<br />d<br />a<br />c

基本上有兩個方法，一個是comm命令，一個是grep命令。分別介紹如下：

 

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. 要注意兩個檔案必須是排序和唯一(sorted and unique)的，預設輸出為三列，第一列為是A-B，第二列B-A，第三列為A交B。

直接運行結果如下：

$ comm a.txt b.txt<br />a<br />b<br /> c<br /> d<br /> a<br /> c<br />e<br />d<br />a<br />

僅僅排序：

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

排序並且唯一：

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

如果只想要交集，如下即可：

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

至於差集，讀者自己思考了。

 

grep
命令是常用的搜尋常值內容的，要找交集，如下即可：

p$ grep -F -f a.txt b.txt<br />c<br />d<br />a<br />c<br />

grep不要求排序，但是因為是集合操作，唯一是必須的（不然怎麼是集合呢？）。所以：

$ grep -F -f a.txt b.txt | sort | uniq<br />a<br />c<br />d<br />

差集呢？

$ grep -F -v -f a.txt b.txt | sort | uniq<br />$ grep -F -v -f b.txt a.txt | sort | uniq<br />b<br />e<br />

第一行結果為B-A，所以為空白；第二行為A-B。注意順序很重要！