比较linux终端中的两个文件

Question

有两个叫做“a.txt”和“b.txt”的文件都有单词列表。现在我想检查哪些单词在“a.txt”中是额外的，而不是在“b.txt”中。

我需要一个有效的算法，因为我需要比较两个字典。

Answer 1

匿名用户

如果您更喜欢 git diff 的差异输出样式，则可以将其与 --no-index 标志一起使用，以比较不在 git 存储库中的文件：

git diff --no-index a.txt b.txt

使用两个文件，每个文件中有大约200k个文件名字符串，我对这个方法进行了基准测试（使用内置的＜code＞time＜/code＞命令），与这里的一些其他答案进行了比较：

git diff --no-index a.txt b.txt
# ~1.2s

comm -23 <(sort a.txt) <(sort b.txt)
# ~0.2s

diff a.txt b.txt
# ~2.6s

sdiff a.txt b.txt
# ~2.7s

vimdiff a.txt b.txt
# ~3.2s

comm 似乎是迄今为止最快的，而 git diff --no-index 似乎是 diff 样式输出的最快方法。

更新2018-03-25您实际上可以省略< code> - no-index标志，除非您在git存储库中，并且想要比较该存储库中未跟踪的文件。从手册页中:

这种形式是比较文件系统上给定的两个路径。在由 Git 控制的工作树中运行命令并且至少有一个路径点在工作树外部运行命令时，或者在由 Git 控制的工作树外部运行命令时，可以省略 --no-index 选项。

Answer 2

对它们进行排序并使用< code>comm:

comm -23 <(sort a.txt) <(sort b.txt)

COMM 比较（排序）输入文件，默认情况下输出三列：A 唯一的行、B 唯一的行以及两者中都存在的行。通过指定 -1、-2 和/或 -3，您可以抑制相应的输出。因此，comm -23 a b 仅列出 a 独有的条目。我使用

Answer 3

如果安装了vim，请尝试以下操作：

vimdiff file1 file2

或

vim -d file1 file2