如何对比两个含员工ID与日期的文件，找出仅存在于单文件的记录

首先给出你提供的两个文件内容示例：

# file1 内容
empid1: date 1
empid1: date 2
empid2: date 3
empid2: date 4

# file2 内容
empid1: date 1
empid2: date 3
empid3: date 5

以下是两种常用实现方式： #

方法1：Linux命令行快速实现（comm命令） #

comm命令可以直接对比两个有序文件的差集，使用前需要先对文件排序去重：

• 第一步生成排序去重后的临时文件：

  sort file1 | uniq > file1.sorted
  sort file2 | uniq > file2.sorted
  

• 提取仅存在于file1的记录：

  comm -23 file1.sorted file2.sorted
  

  输出结果：

  empid1: date 2
  empid2: date 4
  

• 提取仅存在于file2的记录：

  comm -13 file1.sorted file2.sorted
  

  输出结果：

  empid3: date 5
  

参数说明：comm的三个输出列默认分别是「仅第一个文件独有」、「仅第二个文件独有」、「两个文件共有」，-23就是隐藏第2、3列只保留第一列，-13就是隐藏第1、3列只保留第二列。

方法2：Python跨平台实现 #

如果需要在Windows等非Linux环境运行，可以用Python脚本处理，代码如下：

# 读取两个文件内容存入集合自动去重，跳过空行
with open('file1', 'r', encoding='utf-8') as f1:
    set1 = set(line.strip() for line in f1 if line.strip())
with open('file2', 'r', encoding='utf-8') as f2:
    set2 = set(line.strip() for line in f2 if line.strip())

# 计算两个方向的差集
only_file1 = set1 - set2
only_file2 = set2 - set1

# 输出结果
print("仅在file1中存在的记录：")
for line in only_file1:
    print(line)
print("\n仅在file2中存在的记录：")
for line in only_file2:
    print(line)

运行后输出和命令行方法完全一致。

内容的提问来源于stack exchange，提问作者NewBond007