Sorting 在两个文本文件中查找相同的单词

我有两个文本文件，每个文件包含50000多行。我需要找到两个文本文件中的相同单词。我尝试了COMM命令，但得到的答案是“文件2未按顺序排序”。我试图按命令排序文件，但它不起作用。我在窗户里工作。它不必在命令行中解决。它可以在一些程序或其他程序中解决。谢谢你的每一个想法。

如果你想对文件进行排序，你必须使用某种外部排序（如合并排序），这样你才有足够的内存。至于另一种方法，您可以遍历第一个文件，找到所有单词并将它们存储在哈希表中，然后遍历第二个文件并检查重复的单词。如果单词是真实的单词，而不是胡言乱语，那么第二种方法会更有效、更简单。由于文件太大，您可能不想使用脚本语言，但它可能会工作。

如果单词不在自己的行中，则comm无法帮助您

如果您手边有一组unix实用程序，如Cygwin（您提到了comm，所以您可能还有其他实用程序），则可以执行以下操作：

$ tr -cs "[:alpha:]" "\n" < firstFile | sort > firstFileWords
$ tr -cs "[:alpha:]" "\n" < secondFile | sort > secondFileWords
$ comm -12 firstFileWords secondFileWords > commonWords

$tr-cs“[：alpha:][\n”firstFileWords
$tr-cs“[：alpha:][\n”secondFileWords
$comm-12第一个文件字第二个文件字>常用字

前两行将每个文件中的单词转换为每行上的单个单词，它还对文件进行排序

---

如果您只对单个单词感兴趣，可以将

sort

更改为

sort-u

，以获得唯一的集合。

详细介绍一下您的文本。每行一个字？还是CSV？还是怎样给出一些示例，例如goodFirst文本文件每行包含一个带字符#、&或*的单词。第二个文件包含一个单词，每行包含一个数字。50k行不是很大。如果一条线的长度正常。不管你说什么，Kent，因为他提到了文件中的行数，我想这对他来说可能是个问题，仅此而已