Comparar dos archivos línea por línea y generar la diferencia en otro archivo

Question

Quiero comparar el archivo1 con el archivo2 y generar un archivo3 que contiene las líneas del archivo1 que no están en el archivo2.

Answer 1

diff (1) no es la respuesta, pero el comunicador (1) es.

NAME 
     comm - compare two sorted files line by line 

SYNOPSIS 
     comm [OPTION]... FILE1 FILE2 

... 

     -1  suppress lines unique to FILE1 

     -2  suppress lines unique to FILE2 

     -3  suppress lines that appear in both files 

Así

comm -2 -3 file1 file2 > file3 

Los archivos de entrada, que deben seleccionarse. Si no lo son, ordénelos primero. Esto se puede hacer con un archivo temporal, o ...

comm -2 -3 <(sort file1) <(sort file2) > file3 

siempre que su carcasa soporte la sustitución de procesos (bash does).

Answer 2

La utilidad Unix diff es para este fin.

$ diff -u file1 file2 > file3 

Consulte el manual e Internet para las opciones, diferentes formatos de salida, etc.

Answer 3

Uso del diff y extraer sólo las líneas que comienzan con < en la salida

Answer 4

veces diff es la utilidad lo necesita, pero a veces join es más apropiado. Los archivos deben ser ordenados previamente o, si está utilizando un shell que admite la sustitución de procesos como bash, ksh o zsh, puede hacer el orden sobre la marcha.

join -v 1 <(sort file1) <(sort file2) 

Answer 5

Considera:
archivo a.txt:

abcd 
efgh 

archivo b.txt:

abcd 

puede encontrar la diferencia con:

diff -a --suppress-common-lines -y a.txt b.txt 

La salida w La enfermedad sea:

efgh 

Usted puede redirict la salida en un archivo de salida (c.txt) usando:

diff -a --suppress-common-lines -y a.txt b.txt > c.txt 

Esto responder a su pregunta:

" ... lo cual contiene las líneas en el archivo1 que son no presentes en el archivo2. "

Answer 6

Trate

sdiff file1 file2 

Se ususally funciona mucho mejor en la mayoría de los casos para mí. Es posible que desee ordenar archivos antes, si el orden de las líneas no es importante (por ejemplo, algunos archivos de configuración de texto).

Por ejemplo,

sdiff -w 185 file1.cfg file2.cfg 

Answer 7

muchos ya respuestas, pero ninguno de ellos en mi humilde opinión perfecta. La respuesta de Thanatos deja algunos caracteres adicionales por línea y la respuesta de Sorpigal requiere que los archivos sean ordenados o pre-ordenados, lo que puede no ser adecuado en todas las circunstancias.

Creo que la mejor manera de obtener las líneas que son diferentes y nada más (no hay caracteres adicionales, sin volver a realizar el pedido) es una combinación de diff, grep y awk (o similar).

Si las líneas no contienen ninguna "<", un corto de una sola línea puede ser:

diff urls.txt* | grep "<" | sed 's/< //g' 

pero que eliminará todos los casos de "<" (menor que, el espacio) de las líneas, que no siempre está bien (por ejemplo, el código fuente). La opción más segura es usar awk:

diff urls.txt* | grep "<" | awk '{for (i=2; i<NF; i++) printf $i " "; print $NF}' 

Este de una sola línea diffs ambos archivos, a continuación, filtra la salida de estilo ed de diff, a continuación, elimina el arrastre "<" que añade diff. Esto funciona incluso si las líneas contienen algunos "<" ellos mismos.

Answer 8

Si tiene que resolver esto con coreutils la respuesta aceptada es buena:

comm -23 <(sort file1) <(sort file2) > file3 

Puede también utilizar sd (esta corriente), que no requiere la clasificación ni la sustitución de procesos y soporta flujos infinitos, como Entonces:

cat file1 | sd 'cat file2' > file3 

Probablemente no sea tan beneficioso en este ejemplo, pero considérelo; en algunos casos, no podrá usar comm ni grep -F ni diff.

Aquí hay un blogpost que escribí sobre transmisiones difusas en el terminal, que presenta sd.

Answer 9

diff a1.txt a2.txt | grep '> ' | sed 's/> //' > a3.txt 

Intenté casi todas las respuestas en este hilo, pero ninguna fue completa. Después de algunos senderos arriba uno funcionó para mí. diff le dará la diferencia, pero con algunas charas especiales no deseados. donde las líneas de diferencias reales comienzan con '>'. así que el siguiente paso es grep líneas comienza con '>' y luego se elimina con sed.