文件头不同

11

我有两个文件。我怀疑一个文件是另一个文件的子集。有没有一种方法可以区分文件（以简洁的方式）以确定第二个文件在第一个文件中的合适位置？

diff

— 理查德
source

相关阅读：unix.stackexchange.com/questions/79135/...

— SLM

您是说一个文件的行是另一个文件的子序列，还是实际上是连续的子字符串？

— 卡兹（Kaz）

连续的子字符串@Kaz。

— 理查德

14

diff -e bigger smaller 可以解决问题，但是需要一些解释，因为输出是“有效的ed脚本”。

我制作了两个文件“ bigger”和“ smaller”，其中“ smaller”的内容与“ bigger”的第5行到第9行相同，这是通过`diff -e更大更小”得到的：

% diff -e bigger smaller
10,15d
1,4d

这意味着“删除第10至15行'更大'，然后删除第1至4行以获得'更小'”。这意味着“较小”是“较大”的第5至9行。

反转文件名使我变得更加复杂。如果“较小”确实构成“较大”的子集，则输出中仅显示“ d”（用于删除）命令。

— 布鲁斯·埃迪格（Bruce Ediger）
source

5

您可以使用Meld直观地执行此操作。不幸的是，它是一个GUI工具，但是如果您只想执行一次，并且文件相对较小，那就可以了：

下图是的输出meld a b：

在此处输入图片说明

— 特登
source

1

Meld很不错，但是在100MB以上的文件中播放效果并不理想。

— 理查德

@Richard不，不是，我还是更喜欢命令行工具，我只是以为我会提到它。

— terdon

看起来很像vimdiff，可以在终端中使用。

— Patrick

2

如果文件足够小，则可以将它们都放到Perl中，并让其正则表达式引擎来解决：

perl -0777e '
        open "$FILE1","<","file_1";
        open "$FILE2","<","file_2";
        $file_1 = <$FILE1>;
        $file_2 = <$FILE2>;
        print "file_2 is", $file_1 =~ /\Q$file_2\E/ ? "" : "not";
        print " a subset of file_1\n";
'

的-0777指示的Perl开关到其输入记录分隔符设置$/到未定义的值，以便完全啜食文件。

— 约瑟夫·R。
source

1

怎么777办？我认为您传递的是NULL，$/但为什么呢？同样，由于这些都是有点深奥的开关，因此对于非perl人士来说是一个很好的解释。

— terdon

1

@terdon我确实是在做整个文件。添加说明。

— 约瑟夫R.13年

但是为什么有必要呢？$a=<$fh>还是应该lur一口吧？

— terdon

1

@terdon我不知道，不。默认情况下$/设置为，\n以便$a=<$fh>只读取$fh已打开到文件的一行。当然，除非perl我的命令行行为具有我不知道的不同默认值？

— Joseph R.

啊，是的，我不好，我几乎从不吸收文件或使用while $foo=<FILE>惯用语，所以我不确定是否运行了（错误的）测试，该测试似乎可行。没关系：）。

— terdon

1

如果这些文件是文本文件，并且smaller在内bigger以一行开头开始，则使用以下命令实现起来并不难awk：

awk -v i=0 'NR==FNR{l[n++]=$0;next}
    {if ($0 == l[i]) {if (++i == n) {print FNR-n+1;exit}} else i=0}
    ' smaller bigger

— StéphaneChazelas
source

1

您的问题是“不同的文件头”。如果您真的是说一个文件是另一个文件的头，那么一个简单的cmp告诉您：

cmp big_file small_file
cmp: EOF on small_file

这告诉您，在读取时到达文件末尾之前，未检测到两个文件之间的差异small_file。

但是，如果您表示小文件的整个文本可以出现在内的任何位置big_file，则假定您可以将两个文件都放入内存中，则可以使用

perl -le '
   use autodie;
   undef $/;
   open SMALL, "<", "small_file";
   open BIG, "<", "big_file";
   $small = <SMALL>;
   $big = <BIG>;
   $pos = index $big, $small;
   print $pos if $pos >= 0;
'

这将big_file在的内容所在的位置打印偏移量small_file（例如，如果small_file开头匹配则为0 big_file）。如果small_file内部不匹配big_file，则不会打印任何内容。如果有错误，退出状态将为非零。

— jrw32982支持Monica
source