核心概念
comm — compare two sorted files line by line，逐行比较两个已排序文件，是 Linux 下高效的文件比较命令。
输出格式
comm 将输出组织为三列（制表符分隔）：
| 列 | 含义 |
|---|---|
| 第1列 | 只在 文件1 中出现的行 |
| 第2列 | 只在 文件2 中出现的行 |
| 第3列 | 两个文件共有的行（交集） |
默认情况下三列全部输出，可通过选项控制隐藏某列。
# 假设：
# a.txt: 1 2 3
# b.txt: 2 3 4
comm a_sorted.txt b_sorted.txt
# 输出：
1 ← 第1列（只有 a 有）
2 ← 第3列（共有）
3 ← 第3列（共有）
4 ← 第2列（只有 b 有）视觉理解
comm的列输出用制表符对齐，但肉眼不易分辨。实践中很少用默认输出，而是配合-1-2-3选项使用。
常用选项
| 选项 | 含义 | 典型场景 |
|---|---|---|
-1 | 不显示第1列（隐藏文件1独有的行） | 取并集等 |
-2 | 不显示第2列（隐藏文件2独有的行） | 取并集等 |
-3 | 不显示第3列（隐藏两文件共有的行） | 求对称差 |
-12 | 只显示第3列 | 求交集 |
-23 | 只显示第1列 | 求差集 A−B |
-13 | 只显示第2列 | 求差集 B−A |
核心使用模式
对称差（Symmetric Difference）— 只在一方出现
comm -3 a_sorted.txt b_sorted.txt
# 等效于：(A-B) ∪ (B-A)交集（Intersection）— 两方都出现
comm -12 a_sorted.txt b_sorted.txt
# 等效于：A ∩ B差集（Difference）— A 有但 B 没有
comm -23 a_sorted.txt b_sorted.txt
# 等效于：A - B实战技巧
进程替换 — 避免临时文件
# 不生成临时文件，直接在内存中排序并比较
comm -3 <(sort a.txt) <(sort b.txt)与管道的配合
# 对差集结果再次处理
comm -23 <(sort file1) <(sort file2) | wc -l # 统计差集行数
comm -3 <(sort file1) <(sort file2) | tr '\t' '\n' | grep -v '^$' # 清理制表符输出特别注意
comm -3输出中，第1列和第2列用制表符分隔。当某行属于第2列时，输出会先有一个制表符占位第1列。上述tr命令可以将制表符转成换行后过滤空行，得到干净的唯一ID列表。
统计两个文件的差异情况
a_only=$(comm -23 <(sort a.txt) <(sort b.txt) | wc -l)
b_only=$(comm -13 <(sort a.txt) <(sort b.txt) | wc -l)
common=$(comm -12 <(sort a.txt) <(sort b.txt) | wc -l)
echo "a独有: $a_only, b独有: $b_only, 共有: $common"前置条件：排序
comm 要求输入文件必须已排序。未排序会导致结果完全错误。
# ✅ 正确
sort a.txt -o a_sorted.txt
sort b.txt -o b_sorted.txt
comm -3 a_sorted.txt b_sorted.txt
# ❌ 错误 — 未排序，结果不可靠
comm -3 a.txt b.txt排序规则取决于 locale 设置，建议使用 LC_ALL=C sort 确保一致性。
与 grep 的对比
| 维度 | comm | grep -Fxv -f |
|---|---|---|
| 前提 | 要求输入已排序 | 无需排序 |
| 性能 | O(n+m)，适合万行以上 | O(n×m)，大文件慢 |
| 功能 | 同时产出差集、交集、对称差 | 单次只能算一个方向 |
| 用法 | 需配合 sort，略繁琐 | 直接可用，小巧灵活 |
性能差异的原因：
comm利用有序性一次遍历即可完成比较（类似归并排序的 merge 阶段）；grep -f对 a.txt 的每一行都要在 b.txt 中逐行匹配。
相关笔记
- Linux文本处理三剑客 — grep / sed / awk 与 comm 的组合使用
- 集合运算-对称差 — comm -3 背后的数学概念
- 柠檬微趣-笔试-Q1-文本文件去重 — 实际面试中的应用场景