從兩個文本文件中獲取公共行

第一（file1）是像這樣：（總有一個「text'line之前headerline）

>random header name1 
wonderfulstringwhatsoevergoeson 
>random header 2 
someotherline 
...

另一個文件（file2）是file1像修飾的文件：（頭部已被去除和線被混洗，一個新的報頭已被添加）的file1

>name 
someotherline 
wonderfulstringwhatsoevergoeson

每一行（不報頭）發生在file2。 file2中的行順序不同於file1。這兩個文件應保持它們的順序。

在file2

輸出的每一行都應該是一樣：（的file2頭可以忽略不計）

>random header 2 
>random header name1

有沒有人線索，該怎麼辦呢？

問候

來源

2013-06-28 user2525078

我向你保證，他們可以進行排序。 – ctn

你是什麼意思：他們不能排序？他們太大了嗎？或者它是流，而不是文件本身？這很重要，因爲不可分類的原因可能會限制您的選擇。一般來說，據我所知 - 你想找到在這兩個文件中都是唯一的行。這通常可以通過：'cat files * |完成排序| uniq -u' – 2013-06-28 09:37:31

@depesz：爲避免無用的管道蛇使用'sort files * | uniq -u'。 – TrueY

代碼GNU sed：

 
$sed '/^[>]/N;s#\(.*\)\n\(.*\)#/\2/s/.*/\1/p#' file1|sed -nf - file2 
>random header 2 
>random header name1

來源

2013-06-28 12:17:45 captcha

非常感謝您！你解決了我的問題:) – user2525078

鑑於澄清這些文件應該保持不變，只需使用：

sort file1 file2 file2 | uniq -u

就大功告成了。

或者，如果文件很大，使（文件1 +文件2 +文件2）排序是太多的負擔，您可以使用此：

comm -23 <(sort file1) <(sort file2)

哪樣只是有點每個文件（磁盤上的文件將保持原樣，不會被修改），然後打印存在於file1中但不存在於file2中的行。

實施例：

=$ cat file1 
some header 
abc 
cdf 
efg 
other header 

=$ cat file2 
file2 header 
cdf 
file2 header part2 
efg 
abc 

=$ comm -23 <(sort file1) <(sort file2) 
other header 
some header

來源

2013-06-28 09:55:17

如果我理解正確，要打印從文件1相對應的文件2中的每個元件的各標頭。

#!/bin/bash 

cat file2 | 
while read line; do 
    grep -B 1 "$line" file1 | head -n1 
done

grep -B 1將在比賽前打印一行。我們可以頭部切斷第一行。
這可能被稱爲黑客。（但我仍然是一個初學者）。

file1的：

>隨機頭NAME1
wonderfulstringwhatsoevergoeson
>隨機頭2
someotherline

file2的：

someotherline
wonderfulstringwhatsoevergoeson

輸出：

>隨機頭2
>隨機頭NAME1

此外理解這種解決方案通過depesz指出的是緩慢的。

來源

2013-06-28 10:03:12 mohit

這種方法會比較慢，因爲它必須將file2重複N次，其中N是file2中的行數。另外，我不確定這是否是OP想要的，但我留給他去判斷，因爲我不確定我是否理解他的描述。 – 2013-06-28 11:51:34

@mohit非常感謝你！這與我搜索的內容非常接近！如果標題是前面的一行而不在同一行中，我該怎麼辦？ – user2525078

@ user2525078更正。 – mohit

從兩個文本文件中獲取公共行

回答

相關問題