使用bash的comm命令按第二列对比文件时如何返回完整行

核心思路 #

comm 要求输入流按对比字段排序，你之前的命令只提取了第二列作为对比依据，自然丢失了第一列的计数值。我们可以先调整两个输入文件的列顺序，把用于对比的第二列放到行首，同时保留原第一列的计数值，待comm完成筛选后再把列顺序调换回来即可。

具体命令 #

输出仅在file1中存在的行（对应你示例需要的结果） #

comm -23 <(awk '{print $2"\t"$1}' file1.txt) <(awk '{print $2"\t"$1}' file2.txt) | awk '{print $2"\t"$1}'

输出仅在file2中存在的行 #

comm -13 <(awk '{print $2"\t"$1}' file1.txt) <(awk '{print $2"\t"$1}' file2.txt) | awk '{print $2"\t"$1}'

命令说明 #

1. 进程替换内的awk '{print $2"\t"$1}'将原文件的列调整为「对比用的第二列+制表符+原第一列计数值」的格式，由于你的两个文件已经预先按第二列排序，调整后的输出流天然符合comm的排序要求，无需额外排序。如果你的文件是严格制表符分隔的，可将awk命令调整为awk -F'\t' '{print $2"\t"$1}'避免多空格分隔的误匹配。
2. comm按行首的第二列完成筛选后，管道后的awk再将列顺序调换回你需要的「计数值+序列」格式。
3. 如果后续你的文件不再保证按第二列预排序，只需要在每个进程替换的awk命令后追加| sort即可。

内容的提问来源于stack exchange，提问作者ashenflower