按列显示 TSV 之间的差异答案

【问题标题】：Show Difference Between TSV by Column按列显示 TSV 之间的差异
【发布时间】：2017-03-08 07:08:51
【问题描述】：

我正在比较两个 TSV 文件，它们是这样生成的包列表：

rpm -qa --qf "%{name}\t%{version}\t%{license}\n" | sort -n > packages

这会生成一个制表符分隔的文件，例如：

alsa-firmware   1.0.28  GPL+ and BSD and GPLv2+ and GPLv2 and LGPLv2+
alsa-lib        1.0.28  LGPLv2+
alsa-tools-firmware     1.0.27  GPLv2+

在另一个系统上，我正在运行相同的命令，其中安装了更多的软件包。我想要第二台服务器上这些附加软件包的列表。这里棘手的部分是我希望匹配列表不按版本过滤。 Comm 和 Diff 检查整行，我只想按第一个“列”过滤。

例如，如果第二台服务器具有以下软件包列表：

acl     2.2.51  GPLv2+
alsa-firmware   2.0.28  GPL+ and BSD and GPLv2+ and GPLv2 and LGPLv2+
alsa-lib        2.0.29  LGPLv2+
alsa-tools-firmware     2.0.27  GPLv2+
audit   2.4.1   GPLv2+
binutils        2.23.52.0.1     GPLv3+

我正在寻找一个命令（sed、awk、comm、diff 等），它将返回第一列的差异 - 在本例中为：

acl     2.2.51  GPLv2+
audit   2.4.1   GPLv2+
binutils        2.23.52.0.1     GPLv3+

请注意，alsa 软件包已更改版本，但仍具有相同的软件包名称。

【问题讨论】：

标签： awk sed diff

【解决方案1】：

使用awk，仅匹配两个文件中的第一列

$ awk 'NR==FNR{a[$1]; next} !($1 in a)' file1 file2
acl     2.2.51  GPLv2+
audit   2.4.1   GPLv2+
binutils        2.23.52.0.1     GPLv3+

或者将第一列作为搜索模式传递给grep。这假定file2 中的其他列与搜索词不匹配

$ awk '{print $1}' file1 | grep -vFf - file2
acl     2.2.51  GPLv2+
audit   2.4.1   GPLv2+
binutils        2.23.52.0.1     GPLv3+

使用sed，类似于grep 解决方案，但如果file1 的第一列包含任何正则表达式元字符，则容易出错

$ sed -f <(sed -E 's|^(\S+).*|/\1/d|' file1) file2
acl     2.2.51  GPLv2+
audit   2.4.1   GPLv2+
binutils        2.23.52.0.1     GPLv3+

【讨论】：

第一个命令，awk 本身是正确的方法，但 ++ 除了使用 up 循环之外什么都不做。不应使用 awk+grep，因为它会错误地比较/匹配整行而不是第一个字段，并且由于您所说的原因以及其他原因，应避免嵌套 sed。
@EdMorton 谢谢，我不知道a[$1] 就够了:)
干得好，伙计们！ awk 确实给了我想要的结果。