☰

parada de diferencia después de la primera diferencia

tag-icon • tag-icon linux diff comparison
parada de diferencia después de la primera diferencia

Me gustaría realizar una operación diffen 2 archivos y que cese ante la primera diferencia. No necesito que el comando se realice a través de diff, por supuesto, pero sí que el comando real cese una vez que se encuentre e informe la primera diferencia. estoy corriendo en algunosmuyarchivos grandes y espera una coincidencia perfecta, pero aún quiere saber cuál es la diferencia, en caso de que se encuentre alguna, por lo que diff -q, diff ... |head -1y cmpno son buenos. Y, dado que los archivos son muy grandes, sería bueno algo que no agote la memoria. Aunque no es necesario para mi problema actual, puntos de bonificación por soluciones que funcionan para las primeras n diferencias (especificadas por el usuario) y por aquellas que pueden ignorar las diferencias de espacios en blanco.

Respuesta1

cmpse detiene en la primera diferencia:

% cat foo
foo
bar
baz
---
foo
bar
baz
% cat bar
foo
bar
baz
---
foo+
bar+
baz+
% cmp foo bar
foo bar differ: byte 20, line 5
%

Podrías envolverlo con un script para imprimir las diferentes líneas:

#! /bin/bash
line=$(cmp "$1" "$2" | awk '{print $NF}')
if [ ! -z $line ]; then
    awk -v file="$1" -v line=$line 'NR==line{print "In file "file": "$0; exit}' "$1"
    awk -v file="$2" -v line=$line 'NR==line{print "In file "file": "$0; exit}' "$2"
 fi

% ./script.sh foo bar
In file foo: foo
In file bar: foo+

Parte del costo ahora se traslada a los comandos AWK, pero debería ser significativamente más rápido que verificar ambos archivos por completo.

Respuesta2

Probé esto con los casos triviales pero te dejo la prueba de campo:

$ cat f1
l1
l21 l22       l23  l24


l3
l4x
l5


$ cat f2
l1
l21 l22       l23

l3
l4y
l5



$ cat awkdiff.awk


BEGIN {
   maxdiff = 5
   ignoreemptylines = 1
   whitespaceaware = 1

   if (whitespaceaware) {
      emptypattern = "^[[:space:]]*$"
   } else {
      emptypattern = "^$"
      FS=""
   }

   f1 = ARGV[1]
   f2 = ARGV[2]

   rc1=rc2=1
   while( (rc1>0 && rc2>0 && diff<maxdiff)  ) {
      rc1 = getline l1 < f1 ; ++nr1
      rc2 = getline l2 < f2 ; ++nr2

      if (ignoreemptylines) {
         while ( l1 ~ emptypattern   &&  rc1>0) {
            rc1 = getline l1 < f1 ; ++nr1
         }

         while ( l2 ~ emptypattern  &&  rc2>0) {
            rc2 = getline l2 < f2 ; ++nr2
         }
      }


      if ( rc1>0 && rc2>0) {
         nf1 = split( l1, a1)
         nf2 = split( l2, a2)

         if ( nf1 <= nf2) {
            nfmin = nf1
         } else {
            nfmin = nf2
         }

         founddiff = 0
         for (i=1; i<=nfmin; ++i) {
            if ( a2[i]"" != a1[i]"") {
               printf "%d:%d:{%s} != %d:%d:{%s}\n", \
                  nr1, nf1, a1[i], nr2, nf2, a2[i]
               founddiff=1
               ++diff
               break
            }
         }

         if ( !founddiff  &&  nf1 != nf2) {
            if ( nf1 > nf2)
               printf "%d:%d:{%s} != %d:EOL\n", nr1, nfmin+1, a1[nfmin+1], nr2
            else
               printf "%d:EOL != %d:%d:{%s}\n", nr1, nr2, nfmin+1, a2[nfmin+1]
            ++diff
         }
      } else {
         if ( rc1 == -1 && rc2 == -1) {
            print "IO error"
         } else if ( rc1 == 1 && rc2 == 0) {
            print "%d:%s != EOL\n", nr1, l1
         } else if ( rc1 == 0 && rc2 == 1) {
            printf "EOL != %d:%s\n", nr2, l2
         }
      }
   }
}


$ awk -f awkdiff.awk  /tmp/f1 /tmp/f2
2:4:{l24} != 2:EOL
6:1:{l4x} != 5:1:{l4y}

maxdiff = N: establece el número máximo de diferencias en las que debe detenerse la comparación

ignoreemptylines = 1|0: especifica si las líneas vacías deben ignorarse al comparar

whitespaceaware = 1|0: especifica si la comparación debe realizarse por palabras (suponiendo que los espacios en blanco consecutivos sean iguales) o por líneas

información relacionada