Question

首先，我对可能是一个相当愚蠢的问题表示道歉，这个问题并不完全属于这里。

这是我的问题：我有两个包含大量文件名的大文本文件，我们称之为A和B，我想确定A是否是B的子集，忽略顺序，即A中的每个文件名，查找文件名是否也在B中，否则A不是子集。

我知道如何预处理文件（删除除文件名本身以外的任何内容，删除不同的大小写），但现在我不知道是否有一种简单的方法可以使用shell命令执行任务。

差异可能不起作用，对吗？即使我首先对这两个文件进行“排序”，这样至少两个文件中的文件将按相同的顺序排列，因为A可能是B的正确的子集，diff只会告诉它我认为每条线都不同。

再次，如果这个问题不属于这里，我很抱歉，最后，如果没有简单的方法，我会写一个小程序来完成这项工作，但是因为我想要得到更好地处理shell命令，我想我先问这里。

Answer 1

这样做：

cat b | sort -u | wc
cat a b | sort -u | wc

如果得到相同的结果，则a是b的一个子集。

Answer 2

以下是如何在awk中执行此操作

awk '
    # read A, the supposed subset file
    FNR == NR {a[$0]; next}
    # process file B
    $0 in a {delete a[$0]}
    END {if (length(a) == 0) {print "A is a proper subset of B"}}
' A B

Answer 3

测试XSD文件是否是WSDL文件的子集：

xmllint --format file.wsdl | awk '{$1=$1};1' | sort -u | wc
xmllint --format file.wsdl file.xsd | awk '{$1=$1};1' | sort -u | wc

这使用了以前的answer来优化RichieHindle的优雅概念：

xmllint --format而不是cat，可以按照sort -u | wc的要求，在每行上打印XML，以便每个XML元素都在一行上。其他漂亮的打印命令可能在这里起作用json jq .。
awk command来规范化空格：剥离前导和尾随（因为两个文件中的缩进不同），并且内部崩溃。警告：不考虑元素中的XML属性顺序。

如何确定一个文件的内容是否包含在另一个文件的内容中

3 个答案: