Відповіді:
Якщо припустити, що елементи є рядками символів, відмінними від NUL та newline (будьте обережні, що новий рядок дійсний у назвах файлів), ви можете представляти набір у текстовому файлі з одним елементом у рядку та використовувати деякі стандартні утиліти Unix.
$ grep -Fxc 'element' set # outputs 1 if element is in set
# outputs >1 if set is a multi-set
# outputs 0 if element is not in set
$ grep -Fxq 'element' set # returns 0 (true) if element is in set
# returns 1 (false) if element is not in set
$ awk '$0 == "element" { s=1; exit }; END { exit !s }' set
# returns 0 if element is in set, 1 otherwise.
$ awk -v e='element' '$0 == e { s=1; exit } END { exit !s }'
$ comm -12 <(sort set1) <(sort set2) # outputs intersect of set1 and set2
$ grep -xF -f set1 set2
$ sort set1 set2 | uniq -d
$ join -t <(sort A) <(sort B)
$ awk '!done { a[$0]; next }; $0 in a' set1 done=1 set2
$ cmp -s <(sort set1) <(sort set2) # returns 0 if set1 is equal to set2
# returns 1 if set1 != set2
$ cmp -s <(sort -u set1) <(sort -u set2)
# collapses multi-sets into sets and does the same as previous
$ awk '{ if (!($0 in a)) c++; a[$0] }; END{ exit !(c==NR/2) }' set1 set2
# returns 0 if set1 == set2
# returns 1 if set1 != set2
$ awk '{ a[$0] }; END{ exit !(length(a)==NR/2) }' set1 set2
# same as previous, requires >= gnu awk 3.1.5
$ wc -l < set # outputs number of elements in set
$ awk 'END { print NR }' set
$ sed '$=' set
$ comm -23 <(sort -u subset) <(sort -u set) | grep -q '^'
# returns true iff subset is not a subset of set (has elements not in set)
$ awk '!done { a[$0]; next }; { if !($0 in a) exit 1 }' set done=1 subset
# returns 0 if subset is a subset of set
# returns 1 if subset is not a subset of set
$ cat set1 set2 # outputs union of set1 and set2
# assumes they are disjoint
$ awk 1 set1 set2 # ditto
$ cat set1 set2 ... setn # union over n sets
$ sort -u set1 set2 # same, but doesn't assume they are disjoint
$ sort set1 set2 | uniq
$ awk '!a[$0]++' set1 set2 # ditto without sorting
$ comm -23 <(sort set1) <(sort set2)
# outputs elements in set1 that are not in set2
$ grep -vxF -f set2 set1 # ditto
$ sort set2 set2 set1 | uniq -u # ditto
$ awk '!done { a[$0]; next }; !($0 in a)' set2 done=1 set1
$ comm -3 <(sort set1) <(sort set2) | tr -d '\t' # assumes not tab in sets
# outputs elements that are in set1 or in set2 but not both
$ sort set1 set2 | uniq -u
$ cat <(grep -vxF -f set1 set2) <(grep -vxF -f set2 set1)
$ grep -vxF -f set1 set2; grep -vxF -f set2 set1
$ awk '!done { a[$0]; next }; $0 in a { delete a[$0]; next }; 1;
END { for (b in a) print b }' set1 done=1 set2
Усі можливі підмножини встановленого відображеного простору розділені, по одному на рядок:
$ p() { [ "$#" -eq 0 ] && echo || (shift; p "$@") |
while read r; do printf '%s %s\n%s\n' "$1" "$r" "$r"; done; }
$ p $(cat set)
(припускає, що елементи не містять SPC, TAB (припускаючи значення за замовчуванням $IFS
), зворотну косу рису, символи підстановки).
$ while IFS= read -r a; do while IFS= read -r b; do echo "$a, $b"; done < set1; done < set2
$ awk '!done { a[$0]; next }; { for (i in a) print i, $0 }' set1 done=1 set2
$ comm -12 <(sort set1) <(sort set2) # does not output anything if disjoint
$ awk '++seen[$0] == 2 { exit 1 }' set1 set2 # returns 0 if disjoint
# returns 1 if not
$ wc -l < set # outputs 0 if the set is empty
# outputs >0 if the set is not empty
$ grep -q '^' set # returns true (0 exit status) unless set is empty
$ awk '{ exit 1 }' set # returns true (0 exit status) if set is empty
$ sort set | head -n 1 # outputs the minimum (lexically) element in the set
$ awk 'NR == 1 { min = $0 }; $0 < min { min = $0 }; END { print min }'
# ditto, but does numeric comparison when elements are numerical
$ sort test | tail -n 1 # outputs the maximum element in the set
$ sort -r test | head -n 1
$ awk '$0 > max { max = $0 }; END { print max }'
# ditto, but does numeric comparison when elements are numerical
Все доступне на веб- сайті http://www.catonmat.net/blog/set-operations-in-unix-shell-simplified/
sort set1 set2 | uniq -d
не працює для кількох множин. Подумайте про використання sort <(sort -u set1) <(sort -u set2) | uniq -d
.
Різновид. Вам потрібно розібратися з сортуванням, але comm
це можна використовувати для цього, трактуючи кожен рядок як набір членів: -12
для перетину, -13
для різниці. (І -23
дає вам перевернуту різницю, тобто set2 - set1
замість set1 - set2
.) Союз є sort -u
в цій установці.
Я не знаю конкретного інструменту, але ви можете використовувати Python та його набір класів та операторів, щоб написати невеликий сценарій для цього.
Для іспиту:
Python> s1 = set(os.listdir("/bin"))
Python> s2 = set(os.listdir("/usr/bin"))
Python> s1 & s2
set(['awk',
'basename',
'chroot', ...
Python> import os
Тепер крихітний інструмент "setop" доступний в Debian Stretch та Ubuntu з 16.10. Ви можете отримати це через
sudo apt install setop
Ось кілька прикладів. Набори, якими слід керувати, подаються у вигляді різних вхідних файлів:
setop input # is equal to "sort input --unique"
setop file1 file2 --union # option --union is default and can be omitted
setop file1 file2 file3 --intersection # more than two inputs are allowed
setop file1 - --symmetric-difference # ndash stands for standard input
setop file1 -d file2 # all elements contained in 1 but not 2
Булові запити повертаються лише EXIT_SUCCESS
у випадку істинного, EXIT_FAILURE
а також повідомлення в іншому випадку. Таким чином, сетоп можна використовувати в оболонці.
setop inputfile --contains "value" # is element value contained in input?
setop A.txt B.txt --equal C.txt # union of A and B equal to C?
setop bigfile --subset smallfile # analogous --superset
setop -i file1 file2 --is-empty # intersection of 1 and 2 empty (disjoint)?
Можна також точно описати, як вхідні потоки будуть розбиратися, власне, регулярними виразами:
setop input.txt --input-separator "[[:space:]-]"
означає, що пробіл (тобто \v
\t
\n
\r
\f
чи пробіл) або знак мінус інтерпретується як роздільник між елементами (за замовчуванням - новий рядок, тобто кожен рядок вхідного файлу - один елемент)setop input.txt --input-element "[A-Za-z]+"
означає, що елементи - це лише слова, що складаються з латинських символів, а всі інші символи вважаються роздільниками між елементамиКрім того, ви можете
--count
всі елементи вихідного набору,--trim
всі вхідні елементи (тобто видалити всі небажані попередні та наступні символи, такі як пробіл, кома тощо),--include-empty
,--ignore-case
,--output-separator
між елементами вихідного потоку (типовим є \n
),Див. man setop
Або github.com/phisigma/setop для отримання додаткової інформації.
Якщо ви бачите файл як набір рядків, а файли впорядковані, є comm
.
Якщо ви бачите файл у вигляді (декількох) наборів ліній, а рядки не відсортовані, grep
можна робити різницю та перетин (він досягає різниці та перетину заданих значень , але не враховує кількість мультисетів). Союз справедливий cat
.
grep -xF -f small large >intersection
grep -vxF -f small large >difference
cat small large >union
Я написав невеликий інструмент для цього, який був мені дуже корисний у різних місцях. Користувацький інтерфейс не є полірованим, і я не впевнений у характеристиках продуктивності дуже великих файлів (оскільки він читає весь список у пам'яті), але "він працює для мене". Програма знаходиться за адресою https://github.com/nibrahim/lines . Це в Python. Ви можете отримати це за допомогою pip install lines
.
В даний час він підтримує об'єднання, перетин, різницю та симетричну різницю двох файлів. Кожен рядок вхідного файлу трактується як елемент набору.
Він також має дві додаткові операції. Один з видавлювання порожніх рядків у файлі, а другий (що мені дуже корисно) - переглянути файл і розділити його на набори подібних рядків. Мені це було потрібно для пошуку файлів у списку, які не відповідали загальній схемі.
Я буду вітаю відгуки.
Файлова система розглядає назви файлів (цілі назви файлів, включаючи шляхи) як унікальні.
Операції?
Ви можете скопіювати файли в / і b / в порожній каталог c /, щоб отримати новий, об'єднаний набір.
За допомогою тестів на файли, таких як -e name
циклі або знаходження, ви можете перевірити наявність файлів у двох або більше каталогах, щоб отримати перетин або різницю.
Найкраща відповідь тут: Setdown (спеціальний інструмент)
Я написав програму під назвою setdown, яка виконує операції Set з cli.
Він може виконувати задані операції, записавши визначення, подібне до того, яке ви б написали у Makefile:
someUnion: "file-1.txt" \/ "file-2.txt"
someIntersection: "file-1.txt" /\ "file-2.txt"
someDifference: someUnion - someIntersection
Це досить круто, і ви повинні перевірити це. Я особисто не рекомендую використовувати спеціальні команди, які не були створені для завдання для виконання заданих операцій. Він не працюватиме добре, коли вам потрібно виконати багато операцій набору або якщо у вас є якісь задані операції, які залежать один від одного. . Мало того, але налаштування дозволяє писати задані операції, які залежать від інших заданих операцій!
У будь-якому випадку, я думаю, що це досить круто, і ви повинні повністю перевірити це.
З zsh
масивами ( zsh
масиви можуть містити будь-яку довільну послідовність байтів, навіть 0).
(також зауважте, що ви можете зробити так, typeset -U array
щоб його елементи були унікальними).
if ((${array[(Ie)$element]})); then
echo '$element is in $array'
fi
(використовуючи I
прапор підрозділу масиву, щоб отримати індекс останнього виникнення $element
в масиві (або 0, якщо його не знайдено). Видалити e
(для e
xact) для $element
прийняття як зразок)
if ((n = ${(M)#array:#$element})); then
echo "\$element is found $n times in \$array'
fi
${array:#pattern}
є варіантом ksh, ${var#pattern}
який видаляє елементи, що відповідають шаблону, на відміну від того, щоб просто видалити головну частину, що відповідає шаблону. Значення (M)
(для збігається ) повертає значення і видаляє всі, крім відповідних елементів (використовуйте $~element
його, щоб взяти за зразок).
common=("${(@)set1:*set2}")
${set1:*set2}
чи перетинає масив, але "${(@)...}"
синтаксис потрібен для збереження порожніх елементів.
[[ ${(j: :)${(q)array1}} = ${(j: :)${(q)array2}} ]]
Тестує, чи однакові масиви (і в тому ж порядку). q
Прапор розширення параметра призводить елементи (щоб уникнути проблем з речами , як a=(1 "2 3")
проти b=("1 2" 3)
), і (j: :)
приєднується до них з простором , перш ніж робити порівняння рядків.
Щоб перевірити, чи мають вони однакові елементи, незалежно від порядку, використовуйте o
прапор, щоб замовити їх. Дивіться також u
прапор (унікальний) для видалення дублікатів.
[[ ${(j: :)${(qo)array1}} = ${(j: :)${(qo)array2}} ]]
n=$#array
if ((${#array1:*array2} == ${#array2})); then
echo '$array2 is included in $array1'
fi
union=("$array1[@]" "$array2[@]")
(див. typeset -U
вище або u
прапор розширення параметра, щоб прийняти регістр дублікатів). Знову ж таки, якщо порожній рядок не є одним із можливих значень, ви можете спростити:
union=($array1 $array2)
complement=("${(@)array1:|array2}")
для елементів $array1
цього немає $array2
.
min=${${(o)array}[1]} max=${${(o)array}[-1]}
min=${${(no)array}[1]} max=${${(no)array}[-1]}