统计数据时经常会有这样的要求,有文件A和文件B。现在需要知道文件中的数据,那些是A和B共有的,那些只出现在A文件中(或者那些只出现在B文件中)。这样的需求可以通过uniq命令完成。
uniq -d 会输出重复行
uniq -u 只显示唯一的行
利用uniq sort 略施小计就能搞定了
例如 文件A
100
101
102
100
文件B
103
102
102
脚本如下
cat A | sort | uniq >tmpA #A数据集祛重
cat B | sort | uniq > tmpB #B数据集祛重
cat tmpA tmpB | sort | uniq -d #A和B的交集
cat tmpA tmpB tmpB| sort | uniq -u #A中有而B中没有的数据(A-B)
说明,交集和差集是计算原理是什么呢?其实单步执行一下就清楚了。
cat A | sort | uniq >tmpA ;cat tmpA
100
101
102
cat B | sort | uniq >tmpB ;cat tmpB
102
103
然后用cat tmpA tmpB 合并两个文件
cat tmpA tmpB
100
101
102
102
103
最后,用uniq找出文件中的重复行,就是A和B的交集了
cat tmpA tmpB | sort | uniq -d
102
至于求差集,原理是类似的。