Linux 带有GNU差异的百分比值

使用diff显示两个文件之间的百分比差异的好方法是什么

---

例如，如果一个文件有100行，而一个副本有15行已更改，则差异百分比将为15%。

可能是这样的吗

两个文件，A1和A2

$sdiff-B-B-sa1a2 | wc

将给出不同的行数。wc给出总数，只是除以

---

-b和-b将忽略空格和空行，-s表示抑制公共行。

下面是一个脚本，它将比较所有.txt文件，并显示重复率超过15%的文件：

#!/bin/bash

# walk through all files in the current dir (and subdirs)
# and compare them with other files, showing percentage
# of duplication.

# which type files to compare?
# (wouldn't make sense to compare binary formats)
ext="txt"

# support filenames with spaces:
IFS=$(echo -en "\n\b")

working_dir="$PWD"
working_dir_name=$(echo $working_dir | sed 's|.*/||')
all_files="$working_dir/../$working_dir_name-filelist.txt"
remaining_files="$working_dir/../$working_dir_name-remaining.txt"

# get information about files:
find -type f -print0 | xargs -0 stat -c "%s %n" | grep -v "/\." | \
     grep "\.$ext" | sort -nr > $all_files

cp $all_files $remaining_files

while read string; do
    fileA=$(echo $string | sed 's/.[^.]*\./\./')
    tail -n +2 "$remaining_files" > $remaining_files.temp
    mv $remaining_files.temp $remaining_files
    # remove empty lines since they produce false positives
    sed '/^$/d' $fileA > tempA

    echo Comparing $fileA with other files...

    while read string; do
        fileB=$(echo $string | sed 's/.[^.]*\./\./')
        sed '/^$/d' $fileB > tempB
        A_len=$(cat tempA | wc -l)
        B_len=$(cat tempB | wc -l)

        differences=$(sdiff -B -s tempA tempB | wc -l)
        common=$(expr $A_len - $differences)

        percentage=$(echo "100 * $common / $B_len" | bc)
        if [[ $percentage -gt 15 ]]; then
            echo "  $percentage% duplication in" \
                 "$(echo $fileB | sed 's|\./||')"
        fi
    done < "$remaining_files"
    echo " "
done < "$all_files"

rm tempA
rm tempB
rm $all_files
rm $remaining_files

#/bin/bash
#浏览当前目录（和子目录）中的所有文件
#并将其与其他文件进行比较，显示百分比
#重复的数量。
#要比较哪种类型的文件？
#（比较二进制格式没有意义）
ext=“txt”
#支持带空格的文件名：
IFS=$（echo-en“\n\b”）
工作目录=“$PWD”
working_dir_name=$（echo$working_dir|sed's |.*/| |'）
all_files=“$working_dir/。/$working_dir_name-filelist.txt”
剩余的\u文件=“$working\u dir/./$working\u dir\u name-remaining.txt”
#获取有关文件的信息：
查找-键入f-print0 | xargs-0 stat-c“%s%n”| grep-v”/\。|\
grep“\.$ext”|排序-nr>$all\u文件
cp$所有\u文件$剩余\u文件
读取字符串时；做
fileA=$（echo$string | sed's/[^.]*\./\./'）
尾部-n+2“$剩余文件”>$剩余文件.temp
mv$剩余\u文件。temp$剩余\u文件
#删除空行，因为它们会产生误报
sed'/^$/d'$fileA>tempA
echo正在将$fileA与其他文件进行比较。。。
读取字符串时；做
fileB=$（echo$string | sed's/[^.]*\./\./'）
sed'/^$/d'$fileB>tempB
A_len=$（cat tempA | wc-l）
B|len=$（cat tempB | wc-l）
差异=$（sdiff-B-s tempA tempB | wc-l）
通用=$（expr$A_len-$差异）
百分比=$（回音“100*$common/$B|len”| bc）
如果[$percentage-gt 15]]；然后
回显“$percentage%重复出现在”\
“$（echo$fileB | sed's | \./| |'）”
fi
完成<“$剩余的\u文件”
回声“”
完成<“$all_文件”
坦帕酒店
rm tempB
rm$所有文件
rm$剩余的\u文件

对此有一个简洁的解决方案

wdiff -s file1.txt file2.txt

---

更多选项请参见。

您可以使用sdiff并计算分隔符，然后除以行数。diff fileA fileB | wc-l除以wc-l fileA//似乎是一种有趣的手动方式。但问题是，如果存在差异，则会得到3行——orig、new和description。所以，您可能会高估wc的man文件中的：换行符、单词和字节。将输出中的第一个数字除以要比较的文件中的行数。wc-l，只提供行数，可以添加到上面的命令。-回应AlligatorJack@cdated：谢谢你的澄清。当然，在你发表评论之前，我没有看到问题/回答。我想这只适用于文本，而不是像媒体一样的视频，我一直在接近重复的视频（由于youtube dl的变化）。