☰

別の txt ファイルに存在する単語を txt ファイルから削除するにはどうすればよいですか?

tag-icon • tag-icon text-processing
別の txt ファイルに存在する単語を txt ファイルから削除するにはどうすればよいですか?

ファイルa.txtには約10万語あり、各語は新しい行にあります

july.cpp
windows.exe
ttm.rar
document.zip

ファイルにはb.txt150,000 語が含まれ、1 行に 1 語ずつあります。一部の語はファイルからのものですa.txtが、一部の語は新しいものです。

july.cpp    
NOVEMBER.txt    
windows.exe    
ttm.rar    
document.zip    
diary.txt

これらのファイルを 1 つに結合し、重複する行をすべて削除し、新しい行 ( に存在するa.txtが には存在しない行b.txt、およびその逆) を保持するにはどうすればよいでしょうか。

答え1

これを行うには、 というコマンドがあります: comm。 で述べられているようにman comm、これは非常に簡単です:

   comm -3 file1 file2
          Print lines in file1 not in file2, and vice versa.

commではファイルの内容がソートされていることを期待しているので、comm次のように呼び出す前にファイルをソートする必要があることに注意してください。

sort unsorted-file.txt > sorted-file.txt

まとめると次のようになります。

sort a.txt > as.txt

sort b.txt > bs.txt

comm -3 as.txt bs.txt > result.txt

上記のコマンドを実行すると、result.txtファイルに期待どおりの行が追加されます。

答え2

以下は、以下の短いpython3スクリプトです。ゲルマー氏の答え、b.txtこれは のソートされていない順序を維持しながらこれを実現するはずです。

#!/usr/bin/python3

with open('a.txt', 'r') as afile:
    a = set(line.rstrip('\n') for line in afile)

with open('b.txt', 'r') as bfile:
    for line in bfile:
        line = line.rstrip('\n')
        if line not in a:
            print(line)
            # Uncomment the following if you also want to remove duplicates:
            # a.add(line)

答え3

#!/usr/bin/env python3

with open('a.txt', 'r') as f:
    a_txt = f.read()
a = a_txt.split('\n')
del(a_txt)

with open('b.txt', 'r') as f:
    while True:
        b = f.readline().strip('\n ')
        if not len(b):
            break
        if not b in a:
            print(b)

答え4

coreutilscommコマンドを見てみましょう -man comm

NAME
       comm - compare two sorted files line by line

SYNOPSIS
       comm [OPTION]... FILE1 FILE2

DESCRIPTION
       Compare sorted files FILE1 and FILE2 line by line.

       With  no  options,  produce  three-column  output.  Column one contains
       lines unique to FILE1, column two contains lines unique to  FILE2,  and
       column three contains lines common to both files.

       -1     suppress column 1 (lines unique to FILE1)

       -2     suppress column 2 (lines unique to FILE2)

       -3     suppress column 3 (lines that appear in both files)

例えばこうすることができます

$ comm -13 <(sort a.txt) <(sort b.txt)
diary.txt
NOVEMBER.txt

（ 固有の行b.txt）

関連情報