bash:join 和 comm 之间的区别

Question

# comm -12 /tmp/src /tmp/txt | wc -l
  10338
# join /tmp/src /tmp/txt | wc -l
  10355

这两个文件都是单列的字母数字字符串和排序-ed。它们不应该相同吗？

---

更新了以下@Kevin-s 的回答:

cat /tmp/txt | sed 's/^[:space:]*//' > /tmp/stxt
cat /tmp/src | sed 's/^[:space:]*//' > /tmp/ssrc

结果:

#join /tmp/ssrc /tmp/stxt | wc -l
516
# comm -12 /tmp/ssrc /tmp/stxt | wc -l
513

在手动检查 diff-s 时...由于 sed 未删除的一些空格，结果有所不同。

Answer 1

comm 和 join 之间有一些区别:

1. comm 比较整行； join 比较行内的字段。
2. comm 打印整行； join 可以打印选定的部分行。

当每个文件中只有一列数据时，差异相对较小。当您有多个列时，可能会有很大差异。

另请注意，在适当的情况下，join 可以从一个文件中输出多个数据副本，同时从另一个文件中加入不同的行。在我看来，这就像你的问题；您可能在其中一个文件中有一些重复值。假设你有:

src           txt
123           123
              123
              123

如果你执行comm -12 src txt，你会得到一行输出；如果你执行 join src txt，你将得到三行输出。这是预期的。

join 命令还可以处理“外部连接”，其中第二个文件中的第一个文件中的一行数据丢失(SQL 中的 LEFT OUTER JOIN)，反之亦然(a RIGHT OUTER JOIN)，或两者同时进行(FULL OUTER JOIN)。

总而言之，join 是一个更复杂的命令，但它试图完成更复杂的工作。两者都有用；但它们在不同的地方很有用。