El comando comm de #GNU

Demos un repaso al uso del comando comm del sitema GNU

Los comandos de GNU coreutils son las herramientas básicas de nuestros sistemas GNU con kernel Linux similares a las de sistemas Unix, para gestionar desde la línea de comandos el sistema y operaciones con archivos de texto.

Vamos a repasar las opciones y uso del comando comm que sirve para comparar dos archivos ordenados, línea por línea y nos mostrará el resultado de dicha comparación.

El comando comm, sirve para comparar dos archivos que previamente ya estuvieran ordenados, importante matiz, y si lo ejecutamos sin más mostrará tres columnas separadas por tabuladores en los que podremos encontrar:

• primera columna: el texto que únicamente aparece en el primer archivo
• segunda columna: el texto que únicamente aparece en el segundo archivo
• tercera columna: el texto común que aparece en ambos archivos

Primero vamos a ordenar el contenido de los dos archivos que vamos a comparar, para ello vamos a utilizar el comando sort y guardar el contenido en los propios archivos. Tenemos dos archivos llamados archivo1.txt y archivo2.txt

Para ordenar un archivo y que lo guarde en el mismo archivo ejecutaremos:

sort -o archivo1.txt archivo1.txt

Hacemos esto con los dos archivos y podemos ver lo que hay en los archivos mediante:

head archivo1.txt archivo2.txt  
==> archivo1.txt <==
aloha mundo!
linea 2
linea 3
naranja

==> archivo2.txt <==
hola mundo!
linea 2
linea 3
linea 4
naranja

Ahora ejecutemos el comando comm:

comm archivo1.txt archivo2.txt  
aloha mundo!
        hola mundo!
                linea 2
                linea 3
        linea 4
                naranja

Como decía antes, sin más parámetros el comando nos muestra 3 columnas. Las líneas que solo aparecen en el primer archivo, las que aparecen solo en el segundo y las que son comunes en ambas.

Podemos eliminar alguna de esas columnas con las opciones -1 o -2 o -3 que suprime la primera, la segunda o la tercera columna respectivamente.

Mostremos únicamente las líneas comunes que aparecen en ambos archivos mediante:

comm -12 archivo1.txt archivo2.txt 
linea 2
linea 3
naranja

También podremos configurar el texto que separa las columnas. Por ejemplo, vamos a separar las columnas con guiones:

comm archivo1.txt archivo2.txt --output-delimiter=-------------
aloha mundo!
-------------hola mundo!
--------------------------linea 2
--------------------------linea 3
-------------linea 4
--------------------------naranja

Tiene otro par de opciones para decirle al comando que no están ordenados los archivos o para comprobar el orden, pero no son muy útiles.

El comando en sí, no es muy potente si lo comparamos con otras opciones como diff, pero el comando comm al ser más simple, nos puede ser más útil a la hora de ejecutarlo en algún script en el que lo necesitemos.

La verdad es que la información presentada es muy espartana, lo que es genial si usamos el comando en un script, pero si lo usamos como comando, quizás se le puede añadir un pequeño encabezado de la siguiente manera:

echo "archivo 1          archivo 2          ambos" && echo "---------------------------------------------" && comm archivo1.txt archivo2.txt --output-delimiter="                   "
archivo 1          archivo 2          ambos
---------------------------------------------
aloha mundo!
                   hola mundo!
                                      linea 2
                                      linea 3
                   linea 4
                                      naranja

También podemos añadir la opción –total para que nos muestre un recuento del contenido de elementos de cada columna en la parte inferior.

También existe la posibilidad de comparar un archivo (no pueden ser los dos) con la entrada estandar, es decir texto introducido por teclado:

comm archivo1.txt -   

Ahora vamos escribiendo cadenas de texto (en forma ordenada) para que las compare con archivo 1. Y nos dirá si estaban en el archivo, si solo aparecen en lo que hemos escrito o si están en ambos archivos. Para terminar pulsamos Ctrl+D.

Estás serían las maneras de utilizar este comando estándar de POSIX escrito para GNU por Richard M. Stallman y David MacKenzie. Quizás útil a la hora de incluirlo en algún script.