查找文件中仅包含列表中单词的行

Question

这里是 file1.txt：

.apple .ball .cow
.apple .cow .tea .mine.nice
.mine.nice
.tea
.zebra

这里是 file2.txt

.apple
.mine.nice
.cow
.tea

预期结果：

.apple .cow .tea .mine.nice
.mine.nice
.tea

虽然使用以下方法没有给出预期结果，

grep -w -F -f file2.txt file1.txt 

但

.apple .ball .cow
.apple .cow .tea .mine.nice
.mine.nice
.tea

如何获得预期结果？

Answer 1

我将利用 GNU AWK next 来完成此任务，让 file1.txt 内容为

.apple .ball .cow
.apple .cow .tea .mine.nice
.mine.nice
.tea
.zebra

file2.txt 内容

.apple
.mine.nice
.cow
.tea

然后

awk 'NR==FNR{arr[$1];next}{for(i=1;i<=NF;i+=1){if(!($i in arr)){next}};print}' file2.txt file1.txt

给出

.apple .cow .tea .mine.nice
.mine.nice
.tea

解释：在处理提到的第一个文件期间（请注意，这是file2.txt），即其中行数等于当前文件的行数（NR==FNR< /code>) 询问钥匙是第一个数组arr的文件。这导致在数组中创建键，我没有指定任何值，这与将来无关。执行此操作后，转到下一行，即在处理第一个文件期间不要执行任何其他操作。对于除第一行之外的所有字段，使用 for 循环迭代字段，如果遇到不是数组 arr 的键之一的字段，请转到 next 行，按原样处理所有字段后 print 整行。请注意，此代码短路，即一旦检测到第一个不允许的单词就转到下一行。 免责声明：我假设 file2.txt 每行恰好包含 1 个单词。

（在 gawk 4.2.1 中测试）

Answer 2

这可能对您有用（GNU SED）：

sed -En '1{x;s/.*/cat file2/e;y/\n/ /;s/$/ /;x}
         s/.*/& \n&/;G
         :a;s/^(\S+ )(.*\n.*\n.*\1)/\2/;ta;s/^\n(.*)\n.*/\1/p' file1

解决方案在模式空间中串行三行，当前行的两个副本和文件2的内容。当前行的第一个副本与文件2中的字符串匹配，并缩小了大小，直到没有更多匹配项为止。如果匹配的结果会产生一个空线，则匹配是成功的，并打印了线，否则将丢弃。处理的流量如下：

使用文件2的内容，用空间替换新线，并为模式匹配目的附加空间。

将当前线加倍，再次在第一个副本中添加一个空间，将副本通过newlines分开，并附加保留空间。

通过当前行第一份副本的正面的字符串迭代，如果它在File2中匹配，则将其删除。

如果没有更多的匹配项，则剩下的就是将副本分开的newline，然后打印当前行的纯正副本。

否则，当前行与File2中的字符串不匹配，并且该行不会产生输出。

Answer 3

如果你可以接受comm工具（这是一个非常简单的工具），你可以这样做。

对于 file1.txt 中的每一行，您可以通过带有 -2 -3 参数的 comm 工具获取仅存在于该行但不存在于 file2.txt 中的单词。如果输出不为空。然后打印该行。

cat file1.txt | xargs -I {} bash -c 'if [[ -z $(comm -2 -3 <(echo {} | sed "s/\s\+/\n/g" | sort) <(sort file2.txt)) ]]; then echo {}; fi'