启发式地找出一组文件的不同之处

Question

我有大量由重复运行测试套件产生的输出文件，我想大致了解它们有多大不同。理想情况下，它们应该完全相同（表示完全可重复的测试）或几乎相同（例如，如果存在时间戳）。所以我正在寻找一个像这样的脚本：

show-greatest-diff /path/to/files/*.out

因此，如果存在 100 个 *.out 文件，脚本应该将diff它们全部相互对立，并可能产生其中任何对不同的最大行数/字符数（并可能识别最不同的对），或者只是打印diff输出对差异最大或产生一些其他启发式有用的输出。

由于文件数量众多，此处建议的解决方案不适合我的用例。

Answer 1

怎么样的东西

mostdifs=-1;
for f1 in path/to/files/*.out; do 
    for f2 in path/to/files/*.out; do 
        difs=$(diff "$f1" "$f2" | wc -l); 
        [ "$difs" -gt "$mostdifs" ] && mostdifs=$difs && mostdif="$f1 : $f2";
    done 
done 
echo "$mostdif"

这非常简单，您可以通过测试与其他各种调整$f1文件是否相同来改进它，$f2但是如果我们谈论几百个文本文件，它将在几秒钟内运行，因此额外的复杂性可能不值得。

这个想法是diff在每对文件上运行并查看返回的行数。如果该数字大于当前最大值，则保存文件名。