Linux过滤器2：比较和抽取

1.比较文件：cmp,comm,diff,sdiff

1.1比较任意两个文件：cmp
    语法：cmp file1 file 2
    cmp逐个字节比较两个文件，可比较任何类型的文件。若两文件无差别，cmp不做任何处理，若又差异cmp显示且只显示第一个又差异的字节的位置。

1.2比较有序文本文件：comm
    语法：com [-123] file1 file2
    comm逐行地比较两个有序的文本文件，该程序相较于cmp，能够查看两个文件之间的区别，结果以3列显示：第一列包含只在第一个文件中有的行，第二列只在第二文件中有的行，第三列是共有的行。可以通过-1，-2，-3分别抑制各列的输出。 
    comm虽然可以查看两个文件之间的区别，但是它有两个很大的限制：首先，comm输入的两个文件必须是有序的，但很多情况文件都是无序的，如脚本或论文等。其次，comm无法显示差异的地方在文件的什么位置，不利于大文件的比较。

1.3比较无序文本文件：diff
    常规语法：diff fille1 file2
    diff能既可比较无序文件，又能比较大的文件，应用相当广泛，但其输出的结果看起来有点复杂，需要一定的练习去习惯，下面简单介绍diff常规输出结果的特点。
    diff的常规输出基于一个前提，就是如何将file1转变成file2。它的输出又三个指示符：c（change,改变），d（delete，删除），a（append，追加）。另外，每行中的<字符表示该行是第一文件的行，>表示该行是第二个文件的行。每一次的差异比较用两字符---隔开。下面用个具体的输出结果来说明：

5c5,6

< kds 

---

> #rys

> #kds 

9d9

< line=str(line)

28a29

> ##hello kitty

    从字面上讲，将第一个文件转换成第二个文件应该遵循：将一个文件的第5行修改成第二个文件的第5、6行；删除第一个文件的第9行；将第二个文件的29行追加到第一个文件的28行。

    完整语法：diff [-bBiqswy] [-c|-Clines|-u|-Ulines] file1 file2
    -i（case insensitive，不区分大小写）；-w（whitespace，空白符）选项忽略所有的空白符（空格和制表符）；-b选项不忽略所有的空白符，只忽略空白符数量上的区别；-B（blank lines，空白行）忽略所有的空白行；-q（quiet，静止）文件不同时，省略所有的细节，只显示不同；-s（same，相同）当两个文件相同时表示两个文件相同（如file1 and file2 are identical，正常时不宣示任何内容的）。另外diff还提供了-c（context，上下文关系），-u（unified output，统一输出）和-y三个选项来改变diff的输出格式，类似于下述的sdiff格式，感兴趣的可以man（diff）看一下。

1.4 并排比较输出：sdiff
        语法：sdiff [-bBilsW] [-w columns] file1 file2，columns时列宽。
    sdiff（side-by-side diff）是并排显示两个文件的区别，-bBi选项和diff的意义相同。-l选项表示当两个文件拥有共同行时，只显示左边的列；-s表示不显示共同的行；-w选项是改变每行显示的最大字节宽大，避免每行显示的长度太长。



2.抽取文件内容：cut，colrm，paste，join
    2.1抽取数据列：cut，colrm
cut程序从数据中抽取指定列并将其他内容抛弃，而colrm相反，它是从数据中删除指定列并保存其他内容。两者相似，以cut为例说明。
    语法：A. cut -c list [file...]        B. cut -f list [-d delimiter] [file...]  delimiter是定界符，如‘；’等。
    A语法是指定抽取某列或某几列的字节，list可以是1或1，5，6或3-6。B语法是根据定界符，抽取某个或某些字段，cut只允许定界符为一个字符，默认情况下是制表符。

    2.2组合数据列：paste
    语法：paste [-d char...] [file...]，char 是分隔符的字符，可以是一个或多个，多个时，分隔符交替出现。
    注意与cat比较，paste是水平组合数据，而cat垂直组合数据（cat>>）。