2ファイルの比較

質問

2ファイルの比較

中身が以下のようなファイルがあります。

---ファイルA中身---
a
c
c
d
e
f
f
-----------------

---ファイルB中身---
a
a
b
b
b
c
d
e
g
-----------------

この2ファイルから、以下のようなファイルを作りたいです。

---ファイルC中身---
b
b
g
-----------------

つまり、ファイルBにはあって、ファイルAにはない行をファイルCに入れたいです。

while($line_B = <FILEB>){
while($line_A = <FILEA>){
@A = split(/,/,$line_A);
if($line_B !~ /$line_A/){
print FILEC $line_B;
}
}
seek(FILEA,0,0);
}

としてみたのですが、全然ダメです。理由も分かってます。
が、お手上げです。ご教授お願いします。

回答No.6

Tacosan

Perl 5.10 では「スマートマッチ」が追加されています. そのため, 今のケースでは grep すら使わず
@A = <FILE_A>;
# または @A = map { qr/^\Q\_\E$/ } <FILE_A>;
for $line_B (<FILE_B>) {
print FILE_C $line_B unless $line_B ~~ @A;
}
で終わりです. 完全に失念していたハッシュでも
$A{$_} = 1 for (<FILE_A>);
for $line_B (<FILE_B>) {
print FILE_C $line_B unless $line_B ~~ %A;
}
と書けます... ん～, なんか手抜きのように見える....

回答No.5

kmee

確かに。
中身にメタ文字が含まれる可能性を失念していました。

@A=<FILEA> ;
while($line_B = <FILEB>){
$reB=quotemeta($line_B) ;
if( grep ( /^${reB}$/, @A ) == 0 ) {
print FILEC $line_B;
}
}

qrを使って「Aのどれかの行にマッチする」正規表現を作ってみました。
確かに、正規表現のコンパイルが1回で済み、マッチングも速そうです。

@A=();
while($line_A=<FILEA>){
push @A, '^' . quotemeta($line_A) ;
}
$lines_A=join('|',@A)
$inA = qr/${linesA}/ ;
undef $lines_A;undef @A ; #もう使わないのでundefしておく(メモリが稼げる?)

while($line_B = <FILEB>){
if( $line_B !~ $inA ) {
print FILEC $line_B;
}
}

eqを使ったのも作ってみました

@A=<FILEA> ;
while($line_B = <FILEB>){
if( grep { $_ eq $line_B } @A ) == 0 ) {
print FILEC $line_B;
}
}

あるいは
@A=<FILEA> ;

while($line_B = <FILEB>){
$B_notin_A=1;
foreach $line_A (@A) {
if( $line_A eq $line_B ) {
$B_notin_A=0;
break;
}
}
if ( $B_notin_A) {
print FILEC $line_B;
}
}
}

grepとforeachのループとどちらが早いかは不明。最悪時間は組込みのgrepの方が早い気がするが、ヒット率が高いと途中で終れるforeahの方が早いかも。

ついでにもう一つ、私がよく使う方法はハッシュを使うものです。
%inA=();
while($line_A=<FILEA>){
$inA{$line_A}=1 ;
}

while($line_B = <FILEB>){
if( !defined( $inA{$line_B} ) ) {
print FILEC $line_B;
}
}

改めて、Perlの自由度を思いしらされました。

回答No.4

Tacosan

ちと気になることがあるのですが＞#3.
・eq で比較するのと正規表現を使うのとでは, どちらが速いんでしょうか.
・正規表現を使うなら, 「事前に読み込んだ」ファイルA の内容を正規表現に使う方がいいような気がします. qr で変換しておけばいいし.
・同じく正規表現を使うなら quotemeta しておかないとまずいのでは?

回答No.3

kmee

#FILEAを全部読めるくらいのメモリはあるとして。
@A=<FILEA> ;
while($line_B = <FILEB>){
if( grep ( /^${line_B}$/, @A ) == 0 ) {
print FILEC $line_B;
}
}

> if($line_B !~ /$line_A/)
AがBの部分になっていたときにもマッチします
例
$line_A="a\n" なら $line_B="aba\n" にマッチする。Aにないabaが「ある」と判定される

回答No.2

Tacosan

そりゃ, そこで出力したらそうなりますな. そうじゃなくて, 内側の while ループは「ファイルB から読み込んだ行 ($line_B) と同じ行がファイルA にあるかどうか」だけを調べて記憶し, そのループが＊終わってから＊「なければ出力」するのが普通.
goto を使うかフラグを使うかはご自由に.
もっとも, ファイルA の内容を全てメモリに入れることができるなら, いちいち読み込まずに最初に配列に入れておくべきだが.

回答No.1

Tacosan

なぜ「ダメ」なのか, 理由を書いてみてください.
でも, @A の意味ってなんだろう.

補足

すみません。

while($line_B = <FILEB>){
while($line_A = <FILEA>){
if($line_B !~ /$line_A/){
print FILEC $line_B;
}
}
seek(FILEA,0,0);
}

これでした。＠Aの行は間違いです。

これだと、例えば、FILEBの1行目aとFILEAの全行の1行ずつを比べて
マッチしなければFILECにaを書き込むということになっているので
FILEAのaでない行の数だけFILECにaが書き込まれてしまうというのがダメな理由です。
説明下手ですみません。