¿Cómo encontrar el conjunto - Subconjunto de dos archivos desde la línea de comando?

Question

Tengo dos archivos con líneas ordenadas. Un archivo (B) es un subconjunto del otro archivo (A). Me gustaría encontrar todas las líneas en A que NO estén en B. Idealmente, me gustaría crear un archivo (C) que contenga estas líneas. ¿Es esto posible en Unix? Estoy buscando un comando de una línea para hacer esto en lugar de escribir un guión. Miré los comandos join y diff, pero no pude encontrar una opción de comando para hacer esto. Gracias por la ayuda.

Answer 1

Esto suprimirá líneas comunes:

comm -3 a b 

Answer 2

¿Qué tal esto:

grep -v -f B A > C 

Answer 3

Usted puede hacer esto con diff también. Diff (a diferencia de @ johlo respuesta grep) se preocupa por fin, funciona en archivos sin ordenar (a diferencia de @ johnshen64 respuesta Comm):

$ cat a 
a 
b 
c 
d 
e 
$ cat b 
a 
b 
f 
d 
e 
$ diff -dbU0 a b 
--- a 2012-05-18 16:02:30.603386016 -0400 
+++ b 2012-05-18 16:02:45.547817122 -0400 
@@ -3 +3 @@ 
-c 
+f 

esta manera puede utilizar una tubería para conseguir el fin sólo las líneas -considerando omitidas:

$ diff -dbU0 a b | tail -n +4 | grep ^- | cut -c2- 
c 

Answer 4

Awk solución

archivos de entrada

un

aaa 
bbb 
ccc 

b

ccc 
ddd 
eel 

Código

awk ' NR==FNR { A[$0]=1; next; } 
{ if ($0 in A) { A[$0]=0; } } 
END { for (k in A) { if (A[k]==1) { print k; } } } ' a b > c 

c (Archivo de salida)

bbb 
aaa 

Answer 5

Este comando join hará lo que preguntas:

join -v 1 fileA fileB > fileC 

Demostración:

$ cat fileA 
a 
c 
d 
g 
h 
t 
u 
v 
z 
$ cat fileB 
a 
d 
g 
t 
u 
z 
$ join -v 1 fileA fileB 
c 
h 
v 

Esto supone que los archivos ordenados como ha afirmado en su pregunta. Para los archivos sin ordenar:

join -v 1 <(sort fileA) <(sort fileB)