linux文件比較

我想在Linux中比較兩個文件，但比較不應該基於逐行比較，我想將結果轉儲到另一個文件。例如：linux文件比較

文件1是：

ABC 
B 
KLM 
JAH 
MONU 
PANDA

文件2：

HELLO 
PRETTI 
ABC 
B 
LKMO

現在，我想要的是獲取文件1之間的差異，並通過文件2內容明智的，而不是線（file1-file2）即文件1中的內容不在2中

區別文件：

KLM 
JAH 
MONU 
PANDA

我試圖與diff，comm在Linux，但它顯示的結果通過逐行比較

來源

2011-11-29 monucool

needleman-wunch算法會有什麼用處？ http://search.cpan.org/~vbar/Algorithm-NeedlemanWunsch-0.03/lib/Algorithm/NeedlemanWunsch.pm – Eamorr

爲了得到一個有價值的迴應，你需要描述你想要使用的確切算法。看看你的例子，看起來你正在對空格進行標記，並忽略file2中沒有出現在file1中的內容。但這只是一個猜測。 – kdgregory

實際上文件的內容由換行符分隔，而不是由空格分隔。 – monucool

我從你的exaple輸出推斷，要計算Levenshtein distance之間（也稱爲編輯距離）兩個文件。

引用Wikipedia：

的Levenshtein距離也可以兩個較長字符串，但計算它的成本，這是大致成正比兩個字符串的長度的乘積之間被計算，使得該不切實際。

那麼你的文件有多大？你跟蹤字符或單詞嗎？對於小文件（少量字符或文字，視情況而定），您可以編寫自己的命令行Levenshtein距離工具。

來源

2011-11-29 11:28:16 Will

我正在跟蹤單詞，單詞低於另一列，即排列在一列中 – monucool

sort file1.txt file2.txt file2.txt | uniq -u

這個排序到位file1和兩次文件2。當過濾唯一值，只發生在文件1的值只有FILE1.TXT允許重複相同的值將報告

，你可能想預處理，制定變薄有點複雜：

sort <(sort -u file1.txt) file2.txt file2.txt | uniq -u

來源

2011-11-29 12:02:10 sehe

這就是巧妙地使用排序和uniq你在那裏！ – Miquel

你能解釋一下爲什麼file2被重新排序兩次。你可以解釋一下內部發生了什麼。 – monucool

@monucool：它不只是排序兩次，它是兩次。這可以確保file2_中的所有行都不會被報告（因爲它'發生'兩次）。請注意，如果'file2.txt'包含10行，'sort file2.txt file2.txt'按定義返回20行，'sort file2.txt file2.txt | uniq -u'返回** 0行**根據定義 – sehe

線條出現的順序是否重要？如果順序並不重要，這在AWK一個非常優雅的解決方案：

awk 'BEGIN { 
    while((getline<"file2.txt")>0) { 
    eliminate[$0] = 1 
    } 
} 
!($0 in eliminate) { print }' file1.txt

來源

2011-12-01 17:33:26 user1064663

我很困惑，爲什麼不呢comm工作？

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

使用您的示例文件，上面的生產：

JAH 
KLM 
MONU 
PANDA

這也正是「文件」你想，模排序。現在如果你想讓它們按file1的順序排序，那就是另一回事了。我假設你的問題不具有被抑制的第二列，這就是你有你「由線對比線」，即：

$ comm -3 <(sort file1) <(sort file2) 
    HELLO 
JAH 
KLM 
    LKMO 
MONU 
PANDA 
    PRETTI

在生產「差異文件」的事與原始排序：

$ comm -23 <(sort file1) <(sort file2)|grep -f - file1 
KLM 
JAH 
MONU 
PANDA

來源

2013-02-14 17:00:17

對於標準UNIX工具。 +1的'grep -f'技巧，我從來沒有用過。具有很大的意義。 – sehe

回答

相關問題