Início / unix / Perguntas / 446939
Accepted
roaima
Asked: 2018-05-31 08:03:20 +0800 CST

Usando comm com registros terminados em NULL

  • 772

Em resposta a uma pergunta diferente, eu queria usar uma estrutura muito parecida com esta para encontrar arquivos que aparecem em list2que não aparecem em list1:

( cd dir1 && find . -type f -print0 ) | sort -z > list1
( cd dir2 && find . -type f -print0 ) | sort -z > list2
comm -13 list1 list2

No entanto, bati em uma parede de tijolos porque minha versão de commnão pode lidar com registros terminados em NULL. (Alguns antecedentes: estou passando uma lista computada para rm, então, particularmente, quero ser capaz de lidar com nomes de arquivo que possam conter uma nova linha incorporada.)

Se você quer um exemplo fácil de trabalhar, tente isso

mkdir dir1 dir2
touch dir1/{a,b,c} dir2/{a,c,d}
( cd dir1 && find . -type f ) | sort > list1
( cd dir2 && find . -type f ) | sort > list2
comm -13 list1 list2

Sem linhas terminadas em NULL, a saída aqui é o único elemento ./dque aparece apenas em list2.

Gostaria de poder usar find ... -print0 | sort -zpara gerar as listas.

Como posso reimplementar melhor um equivalente para commque produza os registros terminados em NULL que aparecem, list2mas que não aparecem list1?

find sort

1 respostas

  1. Best Answer

    O GNU comm(a partir do GNU coreutils 8.25) agora tem uma opção -z/ --zero-terminatedpara isso.

    Para versões mais antigas do GNU comm, você poderá trocar NUL e NL:

    comm -13 <(cd dir1 && find . -type f -print0 | tr '\n\0' '\0\n' | sort) \
         <(cd dir2 && find . -type f -print0 | tr '\n\0' '\0\n' | sort) |
  tr '\n\0' '\0\n'

    Dessa forma, commainda funciona com registros delimitados por nova linha, mas com novas linhas reais na entrada codificadas como NULs, portanto, ainda estamos seguros com nomes de arquivo contendo novas linhas.

    Você também pode querer definir a localidade Cporque em sistemas GNU e na maioria das localidades UTF-8, pelo menos, existem strings diferentes que classificam o mesmo e causariam problemas aqui¹.

    Esse é um truque muito comum (consulte Inverter linhas correspondentes, separadas por NUL para outro exemplo com comm), mas precisa de utilitários que suportem NUL em sua entrada, o que fora dos sistemas GNU é relativamente raro.

    ¹ Exemplo:

    $ touch dir1/{①,②} dir2/{②,③}
$ comm -12 <(cd dir1 && find . -type f -print0 | tr '\n\0' '\0\n' | sort) \
           <(cd dir2 && find . -type f -print0 | tr '\n\0' '\0\n' | sort)  
./③
./②
$ (export LC_ALL=C
    comm -12 <(cd dir1 && find . -type f -print0 | tr '\n\0' '\0\n' | sort) \
             <(cd dir2 && find . -type f -print0 | tr '\n\0' '\0\n' | sort))
./②

    ( edição de 2019 : a ordem relativa de ①②③ foi corrigida em versões mais recentes do GNU libc, mas você pode usar ? ? ? em vez disso, por exemplo, em versões mais recentes (2.30 pelo menos) que ainda têm o problema como 95% dos pontos de código Unicode )

    • 1

relate perguntas