从一个文件中删除另一文件中的行

我有一个文件f1：

line1
line2
line3
line4
..
..

我想删除另一个文件中的所有行f2：

line2
line8
..
..

我用cat和尝试了一些东西sed，这甚至与我的意图不符。我怎样才能做到这一点？

grep -v -x -f f2 f1 应该可以。

说明：

• -v 选择不匹配的行
• -x 只匹配整行
• -f f2 从中获取模式 f2

人们可以改用grep -F或fgrep匹配固定的字符串从f2，而不是模式（如果你想删除线的“如果你看到什么，你会得到什么”的方式，而不是治疗的线条f2为正则表达式模式）。

尝试使用comm（假设f1和f2已“已排序”）

comm -2 -3 f1 f2

要排除不太大的文件，可以使用AWK的关联数组。

awk 'NR == FNR { list[tolower($0)]=1; next } { if (! list[tolower($0)]) print }' exclude-these.txt from-this.txt 

输出将与“ from-this.txt”文件的顺序相同。tolower()如果需要，该函数使其不区分大小写。

算法复杂度可能为O（n）（不包括这些.txt的大小）+ O（n）（来自此.txt的大小）

与Dennis Williamson的答案类似（主要是语法上的更改，例如，显式设置文件号而不是NR == FNR技巧）：

awk '{if (f==1) { r[$0] } else if (! ($0 in r)) { print $0 } } ' f=1 exclude-these.txt f=2 from-this.txt

访问将r[$0]创建该行的条目，而无需设置值。

假设awk使用具有恒定查找和（平均）恒定更新时间的哈希表，则其时间复杂度将为O（n + m），其中n和m是文件的长度。就我而言，n约为2500万，m约为14000。awk解决方案比sort快得多，我也更喜欢保持原始顺序。

如果您有Ruby（1.9+）

#!/usr/bin/env ruby 
b=File.read("file2").split
open("file1").each do |x|
  x.chomp!
  puts x if !b.include?(x)
end

具有O（N ^ 2）复杂度。如果您想关心性能，这是另一个版本

b=File.read("file2").split
a=File.read("file1").split
(a-b).each {|x| puts x}

使用散列来实现减法，复杂度O（n）（a的大小）+ O（n）（b的大小）

这是一个小基准，由user576875提供，但有10万行，以上：

$ for i in $(seq 1 100000); do echo "$i"; done|sort --random-sort > file1
$ for i in $(seq 1 2 100000); do echo "$i"; done|sort --random-sort > file2
$ time ruby test.rb > ruby.test

real    0m0.639s
user    0m0.554s
sys     0m0.021s

$time sort file1 file2|uniq -u  > sort.test

real    0m2.311s
user    0m1.959s
sys     0m0.040s

$ diff <(sort -n ruby.test) <(sort -n sort.test)
$

diff 用来显示生成的两个文件之间没有差异。

其他各种答案之间的一些时间比较：

$ for n in {1..10000}; do echo $RANDOM; done > f1
$ for n in {1..10000}; do echo $RANDOM; done > f2
$ time comm -23 <(sort f1) <(sort f2) > /dev/null

real    0m0.019s
user    0m0.023s
sys     0m0.012s
$ time ruby -e 'puts File.readlines("f1") - File.readlines("f2")' > /dev/null

real    0m0.026s
user    0m0.018s
sys     0m0.007s
$ time grep -xvf f2 f1 > /dev/null

real    0m43.197s
user    0m43.155s
sys     0m0.040s

sort f1 f2 | uniq -u 甚至不是对称差异，因为它删除了两个文件中多次出现的行。

comm也可以与stdin和以下字符串一起使用：

echo $'a\nb' | comm -23 <(sort) <(sort <<< $'c\nb') # a

似乎是适合SQLite shell的工作：

create table file1(line text);
create index if1 on file1(line ASC);
create table file2(line text);
create index if2 on file2(line ASC);
-- comment: if you have | in your files then specify “ .separator ××any_improbable_string×× ”
.import 'file1.txt' file1
.import 'file2.txt' file2
.output result.txt
select * from file2 where line not in (select line from file1);
.q

您是否使用sed 尝试了此操作？

sed 's#^#sed -i '"'"'s%#g' f2 > f2.sh

sed -i 's#$#%%g'"'"' f1#g' f2.sh

sed -i '1i#!/bin/bash' f2.sh

sh f2.sh

这不是一个“编程”的答案，但是这是一个快速而肮脏的解决方案：只需转到http://www.listdiff.com/compare-2-lists-difference-tool。

显然不适用于大文件，但对我有用。一些注意事项：

• 我不以任何方式隶属于该网站（如果您仍然不相信我，那么您可以在线搜索其他工具；我使用搜索词“在线设置差异列表”）
• 链接的网站似乎会在每个列表比较中进行网络通话，因此请勿向其提供任何敏感数据