Что относительно того, чтобы использовать разность для сравнения двух файлов, считая строки дифференцируемого текста с 'туалетом-l' и затем считая фактические строки в обоих из сравненных файлов. Если различные строки значительно меньше, чем фактические строки файлов затем, смело можно сказать, файлы более подобны, чем нет. Это - запуск, по крайней мере.
Вот идея того, что Вы сделали бы.Примечание: это предполагает, что Вы имеете дело с недвоичными файлами
Сначала Вы хотите получить количество строки каждого файла:
$ cat <file1> | wc -l
24
$ cat <file2> | wc -l
18
$ cat <file3> | wc -l
25
$ cat <file4> | wc -l
4
Затем пройдите каталог, сравнив файлы с 'разностью' и считая различия в строке:
$ diff <file1> <file2> | wc -l
47
$ diff -ib <file1> <file3> | wc -l
12
$ diff -ib <file1> <file4> | wc -l
34
Это - основная идея.
Сценарий ниже сделает это для Вас (воздействует на текущий каталог), и повторит любое время, разность является меньше, чем сумма строк в любом из файлов. Вы могли изменить это, чтобы быть более осторожными, только найдя соответствия для различных количеств строк, которые являются больше чем 10 + меньше, чем номера строки любого файлы.
for i in `ls`; do
for f in `ls`; do
if [ $i != $f ]; then
F_LINES=`cat $f | wc -l`;
I_LINES=`cat $i | wc -l`;
DIFF=`diff -ib $i $f | wc -l`;
if [ $I_LINES -ge $DIFF ]; then
if [ $F_LINES -ge $DIFF ]; then
echo "SIMILAR: $i [lines: $I_LINES] - $f [lines: $F_LINES] - # lines different: $DIFF";
fi;
fi;
fi;
done;
done
Этот сценарий, как я сказал, ничто специальное и мог быть значительно упрощен, но я делаю это на лету. Это произвело бы что-то вроде этого (учитывая тестовый пример файла выше).
SIMILAR: <file1> [lines: 24] - <file3> [lines: 25] - # lines different: 12
SIMILAR: <file3> [lines: 25] - <file1> [lines: 24] - # lines different: 12
-and
не является портативным и на самом деле ничего не делает в этом случае.-and
подразумевается. – jordanm 31.07.2013, 22:49-and
кому:-a
. Я думаю, что видимый оператор делает оператор более четким. – user1146332 31.07.2013, 22:53