首页 / 操作系统 / Linux / 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：

1. a  
2. b  
3. c  
4. e  
5. d  
6. a  

FILE2内容如下：

1. c  
2. d  
3. a  
4. 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：

1. $ comm a.txt b.txt  
2. a  
3. b  
4.                 c  
5.         d  
6.         a  
7.         c  
8. e  
9. d  
10. a  

仅仅排序：

1. $ comm <（sort a.txt ） <（sort b.txt ）  
2.                 a  
3. a  
4. b  
5.                 c  
6.         c  
7.                 d  
8. e  

排序并且唯一：

1. $ comm <（sort a.txt|uniq ） <（sort b.txt|uniq ）  
2.                 a  
3. b  
4.                 c  
5.                 d  
6. e  

如果只想要交集，如下即可：

1. $ comm -12 <（sort a.txt|uniq ） <（sort b.txt|uniq ）  
2. a  
3. c  
4. 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：

1. p$ grep -F -f a.txt b.txt  
2. c  
3. d  
4. a  
5. 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：

1. $ grep -F -f a.txt b.txt | sort | uniq  
2. a  
3. c  
4. d  

差集呢？

1. $ grep -F -v -f a.txt b.txt | sort | uniq  
2. $ grep -F -v -f b.txt a.txt | sort | uniq  
3. b  
4. 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！