comm比较两个已排序的文件

正文

comm 是一个用于比较两个已排序文件的 Linux 命令行工具。它会逐行比较两个文件的内容，并输出三个列：仅在第一个文件中出现的行、仅在第二个文件中出现的行以及两个文件中共有的行。为了正确使用 comm，输入的文件必须是按字典顺序排序的。

使用场景

• 比较两个文本文件中的差异。
• 找出两个文件中共有的内容或唯一的部分。
• 数据分析和去重操作。

基本语法

comm [选项] 文件1 文件2

选项说明

• -1：抑制仅在第一个文件中出现的行（第一列）。
• -2：抑制仅在第二个文件中出现的行（第二列）。
• -3：抑制两个文件中共有的行（第三列）。
• -u：以未排序的方式处理输入（某些实现支持）。

实践步骤

步骤 1: 准备两个已排序的文件

首先，我们需要创建两个已排序的文件。如果文件未排序，可以使用 sort 命令对文件进行排序。

假设我们有两个文件 file1.txt 和 file2.txt：

# file1.txt 内容
apple
banana
cherry

# file2.txt 内容
banana
cherry
date

确保文件已排序：

sort file1.txt -o file1.txt
sort file2.txt -o file2.txt

步骤 2: 使用 comm 进行比较

运行以下命令来比较两个文件：

comm file1.txt file2.txt

输出结果：

    banana
    cherry
apple
        date

解释：

• 第一列：仅在 file1.txt 中出现的行（如 apple）。
• 第二列：仅在 file2.txt 中出现的行（如 date）。
• 第三列：两个文件中共有的行（如 banana 和 cherry）。

步骤 3: 抑制特定列的输出

如果我们只关心两个文件中共有的行，可以使用 -12 选项：

comm -12 file1.txt file2.txt

输出结果：

banana
cherry

如果我们只关心 file1.txt 中独有的行，可以使用 -23 选项：

comm -23 file1.txt file2.txt

输出结果：

apple

同样地，如果我们只关心 file2.txt 中独有的行，可以使用 -13 选项：

comm -13 file1.txt file2.txt

输出结果：

date

注意事项

1. 文件必须已排序：comm 假设输入文件是按字典顺序排序的。如果文件未排序，可能会导致错误的输出。
2. 空白字符：comm 对空白字符敏感。如果两行之间有额外的空格或制表符，它们可能被视为不同的行。

相关扩展知识

• diff 命令：与 comm 类似，diff 也可以比较两个文件的不同之处，但它不要求文件已排序，并且可以提供更详细的差异信息。
• grep 命令：可以通过 grep 来查找一个文件中是否包含另一个文件中的内容。
• sort 命令：用于对文件内容进行排序，是 comm 的必要前置步骤。