从文件b中找出文件a中的单词，并从文件a输出丢失的单词匹配

Question

我有两个文件，我试图运行find/grep/fgrep。我一直在尝试几个不同的命令，试图得到如下结果：

文件

hostnamea 
hostnameb 
hostnamec 
hostnamed 
hostnamee 
hostnamef 

文件B

hostnamea-20170802 
hostnameb-20170802 
hostnamec-20170802.xml # some files have extensions 
020214-_hostnamed-20170208.tar # some files have different extensions and have different date structure 
HOSTNAMEF-20170802 

*有关文件 - 日期= 20170802 - 大多数都有这样的日期格式 - 一些有不同的日期格式*

FileA是我的控制文件 - 我想搜索整个单词hostnamea-f和匹配hostnamea-f在fileb中，并将来自filea的不匹配项输出到终端上的输出中，以便在shell脚本中使用。

对于这个例子，我做到了hostnamee不在fileb中。我想运行一个fgrep/grep/awk - 无论如何可以工作 - 并只输出filea中缺失的hostnamee。

我可以得到这个工作，但它并不特别做我所需要的，如果我交换它，我什么也得不到。

user@host:/netops/backups/scripts$ fgrep -f filea fileb -i -w -o 
hostnamea 
hostnameb 
hostnamec 
hostnamed 
HOSTNAMEF 

很酷 - 我得到了File-B中的匹配，但是如果我尝试反转它，该怎么办？

host@host:/netops/backups/scripts$ fgrep -f fileb filea -i -w -o 
host@host:/netops/backups/scripts$ 

我尝试了几个不同的命令，但似乎无法弄清楚。我使用-i来忽略大小写，-w匹配整个单词和-o

我找到了一些解决方法，但希望有一个更优雅的方法来做到这一点，使用单个命令awk，egrep， fgrep或其他。

user@host:/netops/backups/scripts$ fgrep -f filea fileb -i -w -o > test 
user@host:/netops/backups/scripts$ diff filea test -i 

5D4 < hostnamee

Answer 1

您可以

• 寻找 “只-匹配”，即-o，一个在B
• 使用的模式来寻找结果a，即-f-
• 只列出不匹配的东西，即-v

代码：

grep -of a.txt b.txt | grep -f- -v a.txt 

输出：

hostnamee 
hostnamef 

不区分大小写代码：

grep -oif a.txt b.txt | grep -f- -vi a.txt 

输出：

hostnamee 

编辑：
为了响应Ed Morton的有趣输入，我已经使示例输入有点“nastier”来测试针对子字符串匹配和正则字符活动字符（例如， “”）：

A.TXT：

hostnamea 
hostnameb 
hostnamec 
hostnamed 
hostnamee 
hostnamef 
ostname 
lilihostnamec 
hos.namea 

b.txt：

hostnamea-20170802 
hostnameb-20170802 
hostnamec-20170802.xml # some files have extensions 
020214-_hostnamed-20170208.tar # some files have different extensions and have different date structure 
HOSTNAMEF-20170802 
lalahostnamef 
hostnameab 
stnam 

这使得事情变得更加有趣。 我提供这个不区分大小写的解决方案：

grep -Fwoif a.txt b.txt | grep -f- -Fviw a.txt 

• 额外-F，意思是 “没有正则表达式的招数”
• 额外-w，意为 “全字匹配”

我找到输出相当满意，假设接受以下“要求”更改：
“a”中的主机名仅与“b”的部分匹配，如果全部相邻_ （和其他“单词主人公”总是被认为是主机名的一部分。
（请注意，hostnamed的附加输出行现在不再在“b”中找到，因为在“b”中，它前面有一个_）。
要匹配可能出现的有效主机名，通过其他单词字符，“a”中的列表将不得不明确地命名这些变体。例如。必须列出“_hostnamed”才能在输出中没有“主机名”。 （运气好的话，OP甚至可以接受，那么推荐使用这个扩展的解决方案;为了抵抗“EdMortonish陷阱”的可靠性，Ed，请认为这是对你有趣的输入的补充，但这并不意味着任何负面的。）

输出为“肮脏” a和b：

hostnamed 
hostnamee 
ostname 
lilihostnamec 
hos.namea 

我不知道改变的处理的_是否仍然符合有机磷农药的目标（如果没有，OP的范围内第一个不区分大小写的解决方案满足）。 _是“字母字符”的一部分，可用于“全字匹配”-w。正如Ed Morton所提到的，更详细的正则表达式控制在某些方面已经超越了grep，因此使用awk，perl（sed用于受虐狂的大脑练习，我喜欢的那种）是适当的。

在Windows上使用GNU grep 2.5.4。 文件a.txt和b。txt有你的内容，但我确定他们有UNIX行结束，这很重要（至少对于a而言，可能不适用于b）。

Answer 2

$ cat tst.awk 
NR==FNR { 
    gsub(/^[^_]+_|-[^-]+$/,"") 
    hostnames[tolower($0)] 
    next 
} 
!(tolower($0) in hostnames) 

$ awk -f tst.awk fileB fileA 
hostnamee 

$ awk -f tst.awk b.txt a.txt 
hostnamee 
ostname 
lilihostnamec 
hos.namea 

在上面的唯一前提是，你的主机名不包含下划线和任何上线的最后-后的日期。如果情况并非如此，那么fileB中的可选主机名前缀和后缀字符串有更好的定义，那么只需调整gsub()即可使用适当的正则表达式。