comm：已排序檔案的集合運算

前提條件

兩個檔案必須經過排序（sort file1 > file1.sorted），否則輸出錯誤。

語法與三欄輸出

comm [-123] file1 file2
# 第 1 欄：僅在 file1 出現的行
# 第 2 欄：僅在 file2 出現的行
# 第 3 欄：兩檔案共有的行

抑制欄位選項

選項	效果	等效輸出
-1	隱藏第 1 欄	僅顯示 file2 獨有 + 共同
-2	隱藏第 2 欄	僅顯示 file1 獨有 + 共同
-3	隱藏第 3 欄	僅顯示 file1 獨有 + file2 獨有（對稱差集）
-12	隱藏 1、2 欄	僅顯示交集（共同行）
-13	隱藏 1、3 欄	僅顯示 file2 獨有（差集 file2 - file1）
-23	隱藏 2、3 欄	僅顯示 file1 獨有（差集 file1 - file2）
-123	隱藏所有	無輸出

實戰範例

# 找出兩檔案共同的行
comm -12 file1.sorted file2.sorted

# 找出只在 file1 有的行
comm -23 file1.sorted file2.sorted

# 找出只在 file2 有的行
comm -13 file1.sorted file2.sorted

grep -f：未排序檔案的模式過濾

語法

grep -v -f file1 file2
# -f file1：從 file1 讀取模式（每行一個模式）
# -v：反向匹配（顯示不匹配的行）
# 效果：輸出 file2 中「不包含 file1 任何行作為子字串」的行

關鍵差異

特性	comm	grep -f
需排序	是	否
匹配方式	整行精確比對	子字串/正則比對
效能（大檔）	O(n log n) 排序 + O(n) 合併	O(m*n) 暴力匹配，極慢
輸出格式	三欄制表分隔	原始行

進階替代方案

join：關係式連接（需排序）

# 內連接（交集）
join file1.sorted file2.sorted

# 左外連接
join -a 1 file1.sorted file2.sorted

awk：高效差集（無需排序、記憶體允許時）

# file1 獨有
awk 'NR==FNR{a[$0];next} !($0 in a)' file2 file1

# file2 獨有
awk 'NR==FNR{a[$0];next} !($0 in a)' file1 file2

# 交集
awk 'NR==FNR{a[$0];next} ($0 in a)' file1 file2

sort + uniq：經典管線

# 交集
sort file1 file2 | uniq -d

# 對稱差集（只出現一次的行）
sort file1 file2 | uniq -u

# file1 - file2
sort file1 file2 file2 | uniq -u

選型建議

• 檔案已排序、需整行精確比對、追求高效能 → comm
• 檔案未排序、較小（< 10 萬行）、需子字串/正則匹配 → grep -f
• 檔案大、未排序、有足夠記憶體 → awk 雜湊表法
• 需關係式連接（按欄位比對） → join
• 一次性快速分析 → sort | uniq

理解各工具的演算法複雜度與適用邊界，能讓大檔案比對從「跑半天」變成「秒出結果」。