regex - 从两个文本文件中获取公共行

Question

我有两个文件。

第一个 ( file1) 是这样的：（在“文本”行之前总是有一个标题行）

>random header name1
wonderfulstringwhatsoevergoeson
>random header 2
someotherline
...

另一个文件（file2）是修改后的文件，file1如：（已删除标题并打乱了行，添加了新标题）

>name
someotherline
wonderfulstringwhatsoevergoeson

的每一行（没有标题）都file1出现在file2. 中的行顺序file2与 不同file1。两个文件都应保持原样。

中的每一行file2

输出应该是类似的：（file2可以忽略的标题）

>random header 2
>random header name1

有没有人有线索，怎么做？

此致

Answer 1

鉴于文件应保持不变的说明，只需使用：

sort file1 file2 file2 | uniq -u

你就完成了。

或者，如果文件很大，因此 (file1+file2+file2) 的排序负担过重，您可以使用以下命令：

comm -23 <( sort file1 ) <( sort file2 )

它将只对每个文件进行排序（磁盘上的文件将保持原样，不会被修改），然后打印文件 1 中存在但文件 2 中不存在的行。

例子：

=$ cat file1 
some header
abc
cdf
efg
other header

=$ cat file2 
file2 header
cdf
file2 header part2
efg
abc

=$ comm -23 <( sort file1 ) <( sort file2 )
other header
some header

Answer 2

GNU 代码 sed的代码：

$sed '/^[>]/N;s#\(.*\)\n\(.*\)#/\2/s/.*/\1/p#' file1|sed -nf - file2
>随机标题2
>随机标题名称1

Answer 3

如果我理解正确，您希望从 file1 打印与 file2 的每个元素相对应的相应标题。

#!/bin/bash

cat file2 | 
while read line; do 
    grep -B 1 "$line" file1 | head -n1
done

grep -B 1将在匹配前打印一行。我们可以将第一行逐头剪掉。
这可能被称为黑客攻击。（但我仍然是初学者）。

文件1：

>随机标题名称1
美妙的 字符串whatsoevergoeson
随机标题2其他线路

文件2：

其他一些奇妙的 字符串无论什么时候

输出：

>随机标题2
>随机标题名称 1

还要理解 depesz 指出的这个解决方案很慢。