Linux系统之comm命令详解

comm 命令是 Linux 系统中用于比较两个已排序文件的行的工具。它能够显示出三个部分：仅在第一个文件中存在的行、仅在第二个文件中存在的行，以及两个文件共有的行。comm 要求输入的文件必须先进行排序，否则结果可能不准确。

1. 命令概述

名称：comm
作用：比较两个已排序的文件，逐行输出差异。
核心功能：

• 将输入文件分为三列输出：
  • 第一列：仅在 FILE1 中存在的行。
  • 第二列：仅在 FILE2 中存在的行。
  • 第三列：同时存在于 FILE1 和 FILE2 的行。
• 可通过选项抑制特定列的输出。

基本语法：

comm [OPTION]... FILE1 FILE2

2. 核心选项详解

选项	作用	示例
-1	抑制第一列（仅显示 FILE2 独有行和公共行）。	comm -1 file1 file2 → 输出第二列和第三列。
-2	抑制第二列（仅显示 FILE1 独有行和公共行）。	comm -2 file1 file2 → 输出第一列和第三列。
-3	抑制第三列（仅显示两个文件独有的行）。	comm -3 file1 file2 → 输出第一列和第二列。
--check-order	检查输入是否已正确排序，即使所有行可配对。	comm --check-order file1 file2 → 验证排序。
--nocheck-order	禁用排序检查（默认行为）。	comm --nocheck-order file1 file2 → 不检查排序。
--output-delimiter=STR	指定列分隔符（默认为制表符）。	`comm --output-delimiter="
--help	显示帮助信息。	comm --help → 输出命令用法。
--version	显示版本信息。	comm --version → 输出版本号。

3. 示例与用法

3.1 基础用法

输入文件 file1：

apple
banana
cherry
date

输入文件 file2：

banana
grape
apple
orange

命令：

comm file1 file2

输出：

apple    banana grape orange
banana
cherry
date
apple
grape
orange

解释：

• 第一列：仅在 file1 中的行（cherry, date）。
• 第二列：仅在 file2 中的行（grape, orange）。
• 第三列：公共行（apple, banana）。

3.2 常用选项组合

示例1：显示公共行（交集）

comm -12 file1 file2

输出：

apple
banana

示例2：显示仅在各自文件中的行（差集）

comm -3 file1 file2

输出：

cherry    date
grape     orange

示例3：自定义分隔符

comm --output-delimiter=" | " file1 file2

输出：

apple | banana grape orange
banana | 
cherry | 
date | 
apple | 
grape | 
orange | 

4. 注意事项

1. 文件必须已排序：

   • comm 要求输入文件按字典序排序（默认由 LC_COLLATE 环境变量控制）。
   • 若未排序，输出结果不可靠。
     解决方法：

   comm <(sort file1) <(sort file2)
   

2. 空行处理：

   • 空行会被视为普通行参与比较。
   • 若需忽略空行，可用 grep 过滤：

     comm <(sort file1 | grep .) <(sort file2 | grep .)
     

3. 排序检查：

   • --check-order 会检查输入是否已正确排序，若发现无序行会报错。
   • 适用于需要确保输入合法的场景。

4. 多字节字符：

   • 排序规则受 LC_COLLATE 环境变量影响，支持本地化排序（如中文、特殊符号）。

5. 与 diff 的对比

• comm：
  • 仅适用于已排序的文件。
  • 输出三列，适合快速查看交集和差集。
• diff：
  • 不要求文件排序，逐行比较差异。
  • 输出详细差异（如行号、增删内容）。
    示例：

diff file1 file2  # 显示具体行差异
comm -12 file1 file2  # 仅显示公共行

6. 实际应用场景

• 场景1：数据库表对比

  comm -3 table1_sorted.txt table2_sorted.txt
  

  输出两个表中不一致的行。

• 场景2：日志文件差异分析

  comm -12 log1_sorted.log log2_sorted.log > common_errors.log
  

  提取两个日志文件中的共同错误信息。

• 场景3：文件去重
  结合 sort 和 comm 实现：

  sort file1 file2 | uniq > merged_unique.txt
  

7. 常见问题解答

Q1：文件未排序时如何使用 comm？
A：先排序：

comm <(sort file1) <(sort file2)

Q2：如何仅显示 FILE1 中独有的行？
A：用 -23 抑制其他列：

comm -23 file1 file2

Q3：如何处理大文件？
A：comm 效率高，适合处理 GB 级排序后的文件，但需确保内存足够。