bash：join 和 comm 的区别

Question

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

这两个文件都是单列字母数字字符串和sort-ed。他们不应该一样吗？

---

更新以下@Kevin-s 的回答：

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

结果：

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

在手动检查diff-s ... 由于sed 未删除一些空格，结果有所不同。

Answer 1

comm 和 join 之间存在一些差异：

1. comm 比较整行； join 比较行内的字段。
2. comm 打印整行； join 可以打印选定的部分行。

当每个文件中只有一列数据时，差异相对较小。当您有多个列时，可能会有很大差异。

另请注意，在适当的情况下，join 可以从一个文件输出多个数据副本，同时连接来自另一个文件的不同行。在我看来，这就像您的问题；您可能在其中一个文件中有一些重复的值。假设你有：

src           txt
123           123
              123
              123

如果你做comm -12 src txt，你会得到一行输出；如果你做join src txt，你会得到三行输出。这是意料之中的。

join 命令还可以处理“外连接”，即第一个文件中的一行的第二个文件中缺少数据（SQL 中的左外连接）或反之亦然（右外连接），或同时两者（完全外连接）。

总而言之，join 是一个更复杂的命令，但它正在尝试执行更复杂的工作。两者都有用；但它们在不同的地方都有用。

Answer 2

join 的主要用途是选择共享一个字段的行，就像在数据库中一样。假设您有以下文件：

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

File B
Bill   Copenhagen
John   Adelaide

...您可以通过将文件 B 作为要加入的文件并将两者的第一个字段作为要加入的字段来从文件 A 中选择“John”和“Bill”行。但是，这两个文件都必须在该字段上进行排序的要求在实践中相当麻烦。

Answer 3

我没有广泛使用过，但是从快速查看手册页和测试输入来看，如果两个文件不同，comm 会同时打印这两个文件，而 join 只会打印匹配的行。 -12 解决了这个问题。您可以将两者的输出存储到文件中并进行比较以查看它们的不同之处。

$ 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
$

编辑： Join 只比较第一个空格分隔的字段，但 comm 比较整行。因此，行上的任何空格都会使输出不同。

Answer 4

使用[[:space:]]（而不是[:space:]）用sed去除空格。

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