如何确定一个文件的内容是否包含在另一个文件的内容中

首先，我很抱歉，这可能是一个相当愚蠢的问题，但并不完全属于此处。如何确定一个文件的内容是否包含在另一个文件的内容中

这是我的问题：我有两个大文本文件包含大量文件名称，我们称它们为A和B，并且我想确定A是否为B的子集，无视顺序，即对于每个文件名A，找到文件名是否也在B中，否则A不是子集。

我知道如何对文件进行预处理（除去文件名本身，除去不同的大写字母），但现在我只是想知道是否有一种简单的方法来使用shell命令执行任务。

差异可能不起作用，对吧？即使我首先对这两个文件进行“排序”，至少两个文件的排列顺序是相同的，因为A可能是B的子集，diff会告诉我每一行都是不同。

再说一遍，如果这个问题不属于这里，并且最后如果没有简单的方法去做，我只会写一个小程序来完成这项工作，但是因为我试图更好地处理shell命令，我想我会先在这里问。

2013-05-02 tonfagun

好问题！ +1;）使用'sort'和'diff'的问题是什么？看起来不错。 – hek2mgl 2013-05-02 23:53:23

也许是我的差异的理解是缺乏的，但说文件A包含： AAA CCC 和B包含： AAA BBB CCC 差异只会告诉我，第2行是不匹配的，但我想要的它要做的是告诉我ccc是*在某处发现的。如果diff的选项存在，即使在阅读手册页之后，我也不知道它。 – tonfagun 2013-05-02 23:58:41

所以你想做一个基于行的包括检查，而不是基于块（文件的整个内容作为块）？ – Kent 2013-05-03 00:09:05

这样做：

cat b | sort -u | wc 
cat a b | sort -u | wc

如果你得到同样的结果，A是B的子集。

来源

2013-05-02 23:53:45 RichieHindle

不错！ ......... – hek2mgl 2013-05-02 23:54:53

似乎工作（在两个小测试文件）。现在我只需要找出它为什么会起作用。但那是我的问题，所以：谢谢！ – tonfagun 2013-05-03 00:08:20

现在得到它:)非常聪明的解决方案。 – tonfagun 2013-05-03 00:22:55

这里是如何做到这一点的AWK

awk ' 
    # read A, the supposed subset file 
    FNR == NR {a[$0]; next} 
    # process file B 
    $0 in a {delete a[$0]} 
    END {if (length(a) == 0) {print "A is a proper subset of B"}} 
' A B

来源

2013-05-03 06:22:39

测试如果XSD文件是WSDL文件的一个子集：

xmllint --format file.wsdl | awk '{$1=$1};1' | sort -u | wc 
xmllint --format file.wsdl file.xsd | awk '{$1=$1};1' | sort -u | wc

这适应使用RichieHindle事先answer优雅的概念：

xmllint --format而不是cat，以漂亮的打印XM L，因此每个XML元素都在一行上，如sort -u | wc所要求的那样。其他漂亮的打印命令可能在这里工作，用于json的jq .。
和awkcommand以规范化空白：剥离前导和尾随（因为两个文件中的缩进不同），并折叠内部。警告：不考虑元素内的XML属性顺序。

来源

2016-11-18 12:56:45 vdm

如何确定一个文件的内容是否包含在另一个文件的内容中

回答

相关问题