bash：join 和 comm 之间的区别

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。他们不应该是一样的吗？

---

更新以下@Kevin-s 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 时...结果不同，因为sed.

Answer 1

comm和之间有几个区别join：

1. comm比较整行；join比较行内的字段。
2. comm打印整行；join可以打印选定部分的线条。

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，可能会有很多不同。

另请注意，在正确的情况下，join可以从一个文件输出多个数据副本，同时与另一个文件的不同行连接。这在我看来就像你的问题；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

如果你这样做comm -12 src txt，你会得到一行输出；如果你这样做join src txt，你会得到三行输出。这是预期的。

该join命令还可以处理“外部连接”，其中第二个文件中第一个文件中的一行数据丢失（SQL 中的 LEFT OUTER JOIN），反之亦然（RIGHT OUTER JOIN），或同时处理（a完全外连接）。

总而言之，join是一个更复杂的命令，但它正在尝试做一个更复杂的工作。两者都很有用；但它们在不同的地方很有用。