Bash: deduplikace souboru bez řazení

[fotka]

Dobrý den,

prosím poradíte způsob jak toto provést?

soubor1
soubor2

potřebuji odstranit ze souboru1 linky, které již existují v souboru2

potřebuji zachovat původní řazení linek, tedy aby nebylo při deduplikaci použito žádné řazení (aby se nepřeházely linky)
je jedno jestli z toho bude soubor3 ale musí z toho být soubor, ve kterém nebudou linky ze soubor2 a nebude pozměněna posloupnost linek, nebo jak to říci.

děkuji

[Reklama]

[Jenda]

Já bych to dělal v pythonu pomocí jeho set - přidal bych si tam všechny linky ze souboru2 a pak kontroloval. set je implementována jako hashtable, takže vyhledání je velmi rychlé.

[Atrament]

Kód: [Vybrat]

grep -vF soubor1 -f soubor2 > soubor3

[Tom22]

Kód: [Vybrat]

grep -vF soubor1 -f soubor2 > soubor3

To je pěkné! - dávám bod,
a ještě bych tam přidal -x

Kód: [Vybrat]

cat soubor1 | grep -vFxf soubor2 > soubor3

[aaa158]

Kód: [Vybrat]

cat soubor1 | grep -vFxf soubor2 > soubor3

http://www.smallo.ruhr.de/award.html#cat

 

[Reklama]

[Tom22]

Kód: [Vybrat]

cat soubor1 | grep -vFxf soubor2 > soubor3

http://www.smallo.ruhr.de/award.html#cat

 

ale nemohu zcela souhlasit - "cat" jsem použil záměrně pro zvýraznění faktu, že ta konstrukce jde pěkně použít jako "filter".

Forma, kde je datový soubor specifikován jako parametr, nebo forma s přesměrováním vstupu mi nepřipadala dostatečně názorná (sám jsem se v citované formě trochu ztrácel při identifikaci, co je argument switche a co datový soubor - než jsem si všiml, že switch -F argument nemá).