Как удалить строки, которые появляются в файле B из другого файла A?

У меня есть большой файл A (состоящий из сообщений электронной почты), по одной строке для каждой почты. У меня также есть еще один файл B, содержащий другой набор писем.

Какую команду я бы использовал, чтобы удалить все адреса, которые отображаются в файле B из файла A.

Итак, если файл A содержит:

A
B
C

и файл B содержит:

B    
D
E

Затем файл A следует оставить следующим образом:

A
C

Теперь я знаю, что это вопрос, который мог быть задан чаще, но я нашел одну команду онлайн, которая дала мне ошибку с плохой разделитель.

Любая помощь будет очень признательна! Кто-то наверняка придумает умный однострочный, но я не эксперт по оболочке.

Ответ 1

Если файлы отсортированы (они есть в вашем примере):

comm -23 file1 file2

-23 подавляет строки, которые есть в обоих файлах или только в файле 2. Если файлы не отсортированы, сначала -23 их через sort...

Смотрите страницу руководства здесь

Ответ 2

grep -Fvxf <lines-to-remove> <all-lines>

  • работает с не отсортированными файлами
  • поддерживает порядок
  • это POSIX

Пример:

cat <<EOF > A
b
1
a
0
01
b
1
EOF

cat <<EOF > B
0
1
EOF

grep -Fvxf B A

Вывод:

b
a
01
b

Пояснение:

  • -F: используйте литеральные строки вместо стандартного BRE
  • -x: рассмотрите только совпадения, соответствующие всей строке
  • -v: печать несоответствия
  • -f file: взять шаблоны из заданного файла

Этот метод медленнее на предварительно отсортированных файлах, чем другие методы, поскольку он более общий. Если скорость имеет значение, см. Быстрый способ нахождения строк в одном файле, которые не находятся в другом?

Смотрите также: https://unix.stackexchange.com/questions/28158/is-there-a-tool-to-get-the-lines-in-one-file-that-are-not-in-another

Ответ 3

awk на помощь!

Это решение не требует сортировки входов. Сначала вы должны предоставить файлB.

awk 'NR==FNR{a[$0];next} !($0 in a)' fileB fileA

возвращает

A
C

Как это работает?

NR==FNR{a[$0];next} idiom предназначен для хранения первого файла в ассоциативном массиве в качестве ключей для последующего теста "содержит".

NR==FNR проверяет, сканируем ли мы первый файл, где глобальный счетчик строк (NR) равен текущему счетчику строк (FNR).

a[$0] добавляет текущую строку в ассоциативный массив как ключ, обратите внимание, что это ведет себя как набор, где не будет никаких повторяющихся значений (ключей)

!($0 in a) Теперь мы находимся в следующем файле (файлах), in является тестовым показателем, здесь он проверяет, находится ли текущая строка в наборе, который мы заполнили на первом шаге из первого файла, ! отрицает условие. Здесь отсутствует действие, которое по умолчанию {print} и обычно не написано явно.

Обратите внимание, что теперь это можно использовать для удаления вложенных в черный список слов.

$ awk '...' badwords allwords > goodwords

с небольшим изменением он может очищать несколько списков и создавать очищенные версии.

$ awk 'NR==FNR{a[$0];next} !($0 in a){print > FILENAME".clean"}' bad file1 file2 file3 ...

Ответ 4

Другой способ сделать то же самое (также требует отсортированного ввода):

join -v 1 fileA fileB

В Bash, если файлы не предварительно отсортированы:

join -v 1 <(sort fileA) <(sort fileB)

Ответ 5

Вы можете сделать это, если ваши файлы не отсортированы

diff file-a file-b --new-line-format="" --old-line-format="%L" --unchanged-line-format="" > file-a

--new-line-format для строк, которые находятся в файле b, но не в --old-.. - для строк, которые находятся в файле a, но не в b --unchanged-.. для строк, которые находятся в обоих. %L делает так, чтобы строка была напечатана точно.

man diff

для более подробной информации

Ответ 6

Это уточнение приятного ответа @karakfa может быть заметно быстрее для очень больших файлов. Как и в случае с этим ответом, ни один файл не нужно сортировать, но скорость обеспечивается за счет ассоциативных массивов awk. В памяти хранится только файл поиска.

Эта формулировка также допускает возможность использования только одного определенного поля ($ N) во входном файле.

# Print lines in the input unless the value in column $N
# appears in a lookup file, $LOOKUP;
# if $N is 0, then the entire line is used for comparison.

awk -v N=$N -v lookup="$LOOKUP" '
  BEGIN { while ( getline < lookup ) { dictionary[$0]=$0 } }
  !($N in dictionary) {print}'

(Еще одно преимущество этого подхода состоит в том, что легко изменить критерий сравнения, например, для обрезки верхнего и конечного пробелов.)

Ответ 7

Вы можете использовать Python:

python -c '
lines_to_remove = set()
with open("file B", "r") as f:
    for line in f.readlines():
        lines_to_remove.add(line.strip())

with open("file A", "r") as f:
    for line in [line.strip() for line in f.readlines()]:
        if line not in lines_to_remove:
            print(line)
'

Ответ 8

Вы можете использовать - diff fileA fileB | grep "^>" | cut -c3- > fileA diff fileA fileB | grep "^>" | cut -c3- > fileA

Это будет работать для файлов, которые также не отсортированы.