在 Linux 系統管理與開發工作中,比較兩個文件的差異是極為常見的需求。無論是排查配置文件變更、分析日誌差異,還是代碼審查,掌握高效的文件比較工具都能事半功倍。本文將系統介紹四大核心工具——comm、grep、awk 與 diff 的使用場景、參數詳解與實戰技巧,助你輕鬆應對各類文本比對需求。
comm [-123] file1 file2 [> output_file]
輸入文件必須預先排序(可用 sort file1 > file1.sorted 處理)。否則輸出結果將不可預期。
comm 預設產生三欄輸出:
| 選項 | 作用 | 典型用例 |
|---|---|---|
-1 | 隱藏第 1 欄(file1 獨有) | 找出 file2 獨有內容 |
-2 | 隱藏第 2 欄(file2 獨有) | 找出 file1 獨有內容 |
-3 | 隱藏第 3 欄(共同內容) | 僅顯示差異行 |
-12 | 只顯示共同行 | 求交集 |
-23 | 只顯示 file1 獨有行 | 求差集 (file1 - file2) |
-13 | 只顯示 file2 獨有行 | 求差集 (file2 - file1) |
# 比較兩個已排序的用戶列表,找出僅在新名單出現的用戶
comm -13 users_old.sorted users_new.sorted
grep -v -f file1 file2
原理:以 file1 內容作為模式,反向匹配 file2 中不包含這些模式的行。
適用場景:行內容為獨立單詞、數值、IP 等無特殊正則字元的場景。
避坑指南:文本包含正則元字元(如 . * [ ])時極易誤判,建議改用 grep -F -v -f file1 file2(固定字串模式)或直接轉用 comm/diff。
awk '{print NR, $0}' file1 file2 | sort -k2 | uniq -u -f 1 | sort -k1 | awk '{print $2}'
流程解析:
awk 標記行號與內容sort -k2 按內容排序,相同內容聚合uniq -u -f 1 忽略第 1 欄(行號),只保留唯一出現的行sort -k1 恢復原始行號順序awk 還原純內容awk '{print $0}' file1 file2 | sort | uniq -u
優點:無需預排序、邏輯直觀。缺點:輸出順序為字典序,非原文件順序;大文件排序開銷較大。
diff [選項] file1 file2
| 選項 | 說明 |
|---|---|
-u / -U NUM | 統一格式(顯示上下文 NUM 行,預設 3 行),Git/补丁標準格式 |
-c | 上下文格式(較舊,信息更豐富) |
-i | 忽略大小寫差異 |
-w / -b | 忽略所有/連續空白字元差異 |
-r | 遞歸比較目錄 |
--color | 終端彩色高亮(GNU diff) |
-u 為例)--- file1 2024-01-15 10:00:00
+++ file2 2024-01-15 10:05:00
@@ -1,4 +1,4 @@
line 1
-line 2 removed
+line 2 modified
line 3
+line 4 added
--- 原文件,+++ 新文件@@ -start,count +start,count @@ 區塊位置標記- 刪除行,+ 新增行, (空格)上下文行diff -u old new > patchfile → patch -p1 < patchfilediff -ruN dir1/ dir2/diff -I '^#' file1 file2(忽略以 # 開頭的註釋行變更)comm(最快、最語義化)grep -F -v -f A Bawk ... | sort | uniq -udiff -u(行業標準)vimdiff、meld、Beyond Compare、vscode diffcomm 與 diff 為流式處理,記憶體佔用極低,適合 GB 級大文件。sort | uniq 需將所有行載入記憶體(或臨時文件),大文件請加 sort -S 50% --parallel=4 優化。md5sum/sha256sum)可大幅加速。Linux 文件比較工具鏈豐富且各有所長:comm 專治已排序集合運算,diff 是補丁與上下文差異的黃金標準,grep/awk 組合則提供無需預排序的靈活方案。實際工作中,建議根據文件狀態(是否排序)、輸出需求(集合關係 vs 逐行上下文)與數據規模,組合使用上述工具,並善用 sort -u、md5sum 等輔助命令構建高效工作流。