bash：連接和通信之間的區別

Question

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

這兩個文件都是單列字母數字字符串和sort -ed。他們不應該一樣嗎？

---

更新以下@凱文的回答如下：

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

和結果：

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

在diff -s的人工檢查......結果不同，由於一些空格未被sed取出。

Answer 1

我還沒有廣泛使用，但從快速查看手冊頁和測試輸入，似乎如果這兩個文件不同，通信打印和連接只打印匹配的行。 -12照顧到了這一點。您可以將兩者的輸出存儲到文件中並進行比較以查看它們的差異。

$ echo -e '1\n2\n3\n5' > a 
$ echo -e '1\n2\n4\n5' > b 
$ comm a b 
       1 
       2 
3 
     4 
       5 
$ join a b 
1 
2 
5 
$ 

編輯： 加入只比較第一空格分隔領域，但COMM整條生產線進行比較。線上的任何空格都會使輸出不同。

Answer 2

join的主要功能是選擇共享一個字段的行，就像你可以在數據庫中做的那樣。假設你有以下文件：

File A 
Alice 24 
Bill 16 
Claire 31 
John 10 
John -14 

File B 
Bill Copenhagen 
John Adelaide 

...你可以選擇「約翰」和「條例」從文件中通過給文件B作爲文件加入用線條，都爲第一場該領域加入。雖然這兩個文件必須被排序在該領域的要求在實踐中是相當繁瑣的。

Answer 3

有comm和join之間的一些差異：

1. comm比較整個線; join比較行內的字段。
2. comm打印整行; join可以打印選定部分的線條。

當你在每個文件中有一列數據時，差別不大。當你有多個欄目時，可能會有很多不同。

另請注意，在正確的情況下，join可以從一個文件輸出數據的多個副本，同時連接另一個文件的不同行。這看起來像你的問題;你可能在其中一個文件中有一些重複的值。假設你有：

src   txt 
123   123 
       123 
       123 

如果你這樣做comm -12 src txt，你會得到一行輸出;如果你做join src txt，你會得到三行輸出。這是預料之中的。

join命令還可以處理第二個文件中第一個文件中的一行（在SQL方面爲LEFT OUTER JOIN）或反之亦然（RIGHT OUTER JOIN）中缺少數據的'外連接'，或者（一個完整的外部聯接）。

總而言之，join是一個更復雜的命令，但它試圖做更復雜的工作。兩者都很有用;但它們在不同的地方很有用。

Answer 4

使用[[:space:]]（而不是[:space:]）用sed去掉空格。

# compare 
{ 
echo ' abc' | sed 's/^[:space:]*//' 
echo ' abc' | sed 's/^[[:space:]]*//' 
}