Linux shell 计算两个文件的并集、交集、差集
假设我们现在有两个文件 a.txt 、b.txt
a.txt 中的内容如下：
a c 1 3 d 4
b.txt 中的内容如下：
a b e 2 1 5
# Example 01
计算并集：
[root@VM_81_181_centos ~]# sort -u a.txt b.txt 1 2 3 4 5 a b c d e [root@VM_81_181_centos ~]#
# Exmaple 02
计算交集：
[root@VM_81_181_centos ~]# grep -F -f a.txt b.txt | sort | uniq 1 a [root@VM_81_181_centos ~]#
# Example 03
计算差集(a - b)：
[root@VM_81_181_centos ~]# grep -F -v -f b.txt a.txt | sort | uniq 3 4 c d [root@VM_81_181_centos ~]#
# Example 04
计算差集(b - a):
[root@VM_81_181_centos ~]# grep -F -v -f a.txt b.txt | sort | uniq 2 5 b e [root@VM_81_181_centos ~]#
-----------------------------------------------------------手动分割线---------------------------------------------------------------------------
2018/09/30 更新
上面介绍了关于如何使用 grep 命令实现文件的交、差集，但是在实际操作中得到的结果却有点问题存在
[root@VM_81_181_centos ~]# grep -F -f a.txt b.txt | sort | uniq | wc -l 4095 [root@VM_81_181_centos ~]# grep -F -f b.txt a.txt | sort | uniq | wc -l 4729 [root@VM_81_181_centos ~]#
上面的命令我是用于求 a 、b 两个文件的交集，但是当把两个文件的位置顺序改变了一下，结果竟然是不
一样，这是不科学的。
后来仔细想了想，grep 命令是搜索查找的命令，举个例子：
c.txt 文件里面的内容如下：
1122 1133 1144 1155
d.txt 文件里面的内容如下:
11223344
执行 grep 命令:
[root@VM_81_181_centos ~]# grep -F -f c.txt d.txt | sort | uniq 11223344 [root@VM_81_181_centos ~]# grep -F -f d.txt c.txt | sort | uniq [root@VM_81_181_centos ~]#
根据结果，对第一条命令的解读是：
命令执行后，在 d.txt 文件里面搜索和 c.txt 文件相匹配的字符，因为 c.txt 文件里面的字符 1122 和 d.txt 文件里面的
字符 11223344 前面的 1122 相匹配，则就把 11223344 字符作为两个文件相同的部分记录下来
第二条命令：
命令执行后，在 c.txt 文件里面搜索和 d.txt 文件相匹配的字符，d.txt 文件里面的 11223344 在 c.txt 文件里面找不到
与其类似或相同的字符，所以，结果为空。
现在，在 c.txt 文件里面新增字符 112233445566，结果及操作如下：
c.txt 文件内容：
1122 1133 1144 1155 1122334455
执行 grep 命令：
[root@VM_81_181_centos ~]# grep -F -f d.txt c.txt | sort | uniq 1122334455 [root@VM_81_181_centos ~]#
结论：
grep -F -f fileA fileB | sort | uniq
当 fileA 文件 在前，则表示在 fileB 文件里面搜索和 fileA 文件里面相同或者类似的字符，并将 fileB 文件里面那个字符记录下来
同理，fileB 在前，fileA 在后的情况。
但是，在这里这并不是我们想要的结果，我们想要的结果就是我们以前学数学时候，求两个集合的交集一样，结果输
出的是两个集合共有的部分，尝试了几个方法，最后还是选择使用 cat 命令。
命令格式如下:
cat fileA fileB | sort | uniq -d # 求交集 cat fileA fileB | sort | uniq -u # 求差集
这个命令比较好理解，cat 命令先把两个文件合并成一个文件，然后在对合并后的文件进行排序、去重，-d 命令输出文
件中相同的字符，-u 命令输出文件中不同的字符，并且 在计算交集的时候 fileA、fileB 文件顺序哪个在前在后的结果都是一样的。
案例如下：
[root@VM_81_181_centos ~]# cat c.txt 1122 1133 1144 1155 1122334455 [root@VM_81_181_centos ~]# cat d.txt 11223344 1122 [root@VM_81_181_centos ~]#
c、d 文件内容如上
执行 cat 命令求交集：
[root@VM_81_181_centos ~]# cat c.txt d.txt | sort | uniq -d 1122 [root@VM_81_181_centos ~]# cat d.txt c.txt | sort | uniq -d 1122 [root@VM_81_181_centos ~]#
执行 cat 命令求差集：
[root@VM_81_181_centos ~]# cat c.txt d.txt | sort | uniq -u 11223344 1122334455 1133 1144 1155 [root@VM_81_181_centos ~]# cat d.txt c.txt | sort | uniq -u 11223344 1122334455 1133 1144 1155 [root@VM_81_181_centos ~]#
但是 cat 命令也有一个短板，当文件比较大的时候，就会出错，但是在这里我们可以去借助
split 命令对文件进行分割，分而治之，然后合并，关于如何使用 split 命令，可以参考我的这篇文章
传送门：https://www.cnblogs.com/leeyongbard/p/9594439.html
----------------------------------------------2019/04/27------------------------------------------------------------
paste命令
按列合并文件
paste 格式为：
paste -d -s -file1 file2
选项含义如下：
-d 指定不同于空格或tab键的分隔符,例如使用@分隔符,使用 -d @
-s 将每个文件合并成行而不是按行粘贴
- 使用标准输入。例如：ls -l | paste 意思是只在一列上显示输出
例子：
#cat pas1 ID897 ID666 ID982 #cat pas2 P.Jones S.Round L.Clip
基于 paste 命令将 pas1.txt 和 pas2.txt 两文件粘贴成两列：
# paste pas1 pas2 ID897 P.Jones ID666 S.Round ID982 L.Clip
通过交换文件名即可指定哪一列先粘贴：
# paste pas2 pas1 P.Jones ID897 S.Round ID666 L.Clip ID982
要创建不同于空格或tab键的分隔符，使用 -d 选项，如下使用冒号做分隔符：
# paste -d: pas2 pas1 P.Jones:ID897 S.Round:ID666 L.Clip:ID982
要将两列合并成两行，需要使用 -s 选项，如下例子：
# paste -s pas1 pas2 ID897 ID666 ID982 P.Jones S.Round L.Clip
有不同意见，欢迎交流^_^
