unix中用于减去文本文件的工具?

unix中用于减去文本文件的工具?

我有一个大文件,由大表形式的以分号分隔的文本字段组成。已经排序了。我有一个由相同文本字段组成的较小文件。在某些时候,有人将此文件与其他文件连接起来,然后进行排序以形成上述大文件。我想从大文件中减去小文件的行(即对于小文件中的每一行,如果大文件中存在匹配的字符串,则删除大文件中的该行)。

该文件大致如下所示

GenericClass1; 1; 2; NA; 3; 4;
GenericClass1; 5; 6; NA; 7; 8;
GenericClass2; 1; 5; NA; 3; 8;
GenericClass2; 2; 6; NA; 4; 1;

ETC

有没有一种快速优雅的方法来做到这一点,或者我必须使用 awk 吗?

答案1

您可以使用grep。将小文件作为输入并告诉它查找不匹配的行:

grep -vxFf file.txt bigfile.txt > newbigfile.txt

使用的选项是:

   -F, --fixed-strings
          Interpret PATTERN as a  list  of  fixed  strings,  separated  by
          newlines,  any  of  which is to be matched.  (-F is specified by
          POSIX.)
   -f FILE, --file=FILE
          Obtain  patterns  from  FILE,  one  per  line.   The  empty file
          contains zero patterns, and therefore matches nothing.   (-f  is
          specified by POSIX.)

   -v, --invert-match
          Invert the sense of matching, to select non-matching lines.  (-v
          is specified by POSIX.)
   -x, --line-regexp
          Select only those matches that exactly match the whole line.  
          (-x is specified by POSIX.)

答案2

comm是你的朋友:

NAME comm - 逐行比较两个排序的文件

概要 通讯 [选项]... 文件 1 文件 2

描述 逐行比较排序后的文件 FILE1 和 FILE2。

   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.

   -1     suppress column 1 (lines unique to FILE1)

   -2     suppress column 2 (lines unique to FILE2)

   -3     suppress column 3 (lines that appear in both files)

comm可能会带来性能优势,grep因为它考虑了排序性。)

例如:

comm -1 -3 file.txt bigfile.txt > newbigfile.txt

相关内容