对于file1.txt中的每个字符串，检查它是否存在于file2.txt中然后执行某些操作

Question

我有两个txt文件，file1.txt和file2.txt。 它们都为每一行都有一个字符串。 file1.txt中的字符串是uniqe（无重复），以及file2.txt中的字符串。 这些文件有不同数量的字符串。

file1.txt                 file2.txt

FFF                       AAA
GGG                       BBB 
ZZZ                       CCC
                          ZZZ

我想比较这些文件，以便对于file1.txt中的每个字符串，如果它存在于file2.txt中，那么它就可以了。如果没有，那么将该字符串写入另一个文件（file3.txt）

在这个例子中，file3.txt将是：

file3.txt

FFF
GGG

我想使用命令shell，执行以下操作：

cat file1.txt | while read a; do something on file2.txt ...

但这不是强制性的。

Answer 1

请参阅grep的手册页，特别是-f选项。

grep -vf file2.txt file1.txt

Answer 2

你最好的选择是读入文件2的输入，把它放在一个排序列表中（甚至更好，一个平衡的搜索树），然后当你从file1读取每行时，通过树或做对列表进行二进制搜索以查找字符串是否存在。

我们的想法是，您希望进行一次处理，以使尽可能容易检查的允许值列表。将它们放在二叉搜索树中意味着您首先将它与列表2中间（字母顺序）的单词进行比较，如果它在它之前，则采用左分支（其中包含在您刚刚比较的单词之前的单词） to，或者如果它来了，你只需看看正确的分支。

类似地，如果使用列表，则查看列表中间的单词，然后可以从每次迭代中删除剩余列表的一半。这意味着你只需要执行log n步骤来检查List1中的每个单词与list2中的n个单词。