在项目中遇到一个奇怪的bug，是由一行简单代码引起的。
代码作用：比较两个UNIX文本文件，找出并打印文本2比文本1新增加的内容。

代码调用了diff命令，例如：
 

# diff命令输出结果
 

说明：输出结果去掉了两个文件的共同内容，只输出了temp2.txt的新增部分，和预想的结果一样。
 
但是，随着temp1.txt文件内容的增加，diff命令出现了不同预期的结果：
 

可以看到，diff命令不但输出了temp2.txt文件的新增部分（20110304-20110314），也同时输出了两个文件的共同内容（20110228-20110303），从而导致了与预期不一致的结果。

查看diff命令的man手册发现，diff的作用是比较两个文件的内容，并输出两个文件之间的差异，产生一个能够将两个文件互相转换的列表，但这个列表并不能100%保证是最小集。

于是，以上例子中，可以看到diff给出了temp1.txt和temp2.txt文件的比较差异结果，但其中包含了两个文件的共同部分，因此与预期不一样。
 
解决方法：
用comm命令代替diff，例如：
 

comm命令用来比较两个文件，具体用法：
comm [-123] file1 file2
-1 过滤file1独有的内容
-2 过滤file2独有的内容
-3 过滤file1和file2重复的内容
 
备注：
diff的输出格式，主要有以下几种：
n1 a n3,n4
n1,n2 d n3
n1,n2 c n3,n4
例如"1,2d0" "5a4,5" "1,55c1,11"等。
其中n1和n2指第一个文件的行数，n3和n4指第二个文件的行数。"a"代表add增加，"d"代表delete删除，"c"代表change整块变动。
有了diff的输出结果，可以使用patch命令将一个文件恢复成另一个，例如：
 

一，tar命令

基本用法：
1，打包文件：tar -cvf ~/test.tar ~/test
2，打包并压缩文件：tar -zcvf ~/test.tar.gz ~/test
3，解包文件：先切换到要解包到的目录，然后执行：tar -xvf ~/test.tar

参数详解：
-c, --create               创建一个新归档
-x, --extract, --get       从归档中解出文件
-t, --list                 列出归档内容
-A, --catenate, --concatenate   追加 tar 文件至归档
-f, --file=ARCHIVE         使用归档文件或 ARCHIVE 设备
-v, --verbose              详细地列出处理的文件
-z, --gzip, --gunzip, --ungzip   通过 gzip 过滤归档

二，zip和unzip
1，压缩：
zip -r filename.zip file1 file2 file3 /usr/work/school 
-r     将指定的目录下的所有子目录以及文件一起处理
2，解压：
将test.zip解压到用户目录：
unzip ~/test.zip -d ~/

参数：
-v 执行是时显示详细的信息。
-o 不必先询问用户，unzip执行后覆盖原有文件。
-n 解压缩时不要覆盖原有的文件。
-q 执行时不显示任何信息。

一，文本的操作
sed是一个“非交互式的”面向字符流的编辑器，awk是一种负责模式匹配的程序设计语言，
它的典型示例是将数据转换成格式化的报表。
 
二，sed awk命令的基本操作
例一：file1.txt
 

用Massachusetts替换MA
 

使用多重指令
 

脚本：sedsrc
 

使用awk
 

常见出错信息
没有大括号{}将过程括起来
没用单引号’’将指令括起来
没有使用斜杠//slashes 将正则表达式括起来
 
OptionDescription
-f Filename of script follows.
-F Change field separator.
-vvar=value follows.
 
三，正则表达式 语法 Regular Expression
表达式（模式匹配）
算术表达式：
1+23*5 1+2*3 （1+2）*3
特定的模式：
ABCADC AEC … …
ababb abbb abbbb abbbb… …
一个正则表达式描述了一种模式或字符序列
正则表达式的匹配过程
 
元字符
. 匹配除换行符之外的任意单个字符，awk中可以匹配换行符
* 匹配任意一个（包括零个）在它前面的字符
[...]匹配方括号中的任意一个字符，^为否定匹配， -表示字符的范围
^ 作为正则表达式的第一个字符，匹配行的开始。在awk中可以嵌入换行符
$ 作为正则表达式的最后一个字符，匹配行的结尾。在awk中可以嵌入换行符
\{n,m\} 匹配n和m之间的任意次数， \{n\}匹配出现n次。\{n,\}匹配至少出
现n次
\ 转义字符
 
扩展元字符
ExtendedMetacharacters (egrep and awk)
+ 匹配前面的正则表达式的一次出现或多次出现
? 匹配前面的正则表达式的零次出现或一次出现
| 可以匹配前面的或后面的正则表达式（替代方案）
() 对正则表达式分组
{n,m} 匹配出现的n到m次数， {n}匹配出现n次。{n,}匹配至少出现n次，大多数awk都不支持，用于POSIX egrep和POSIX awk
 
编写正则表达式的3 个步骤：
1 知道要匹配的内容以及它如何出现在文本中。
2 编写一个模式来描述要匹配的内容
3 测试模式来查看它匹配的内容
 
模式匹配产生的结果：
Hits（命中）
这是我想匹配的行
 
Misses（未命中）
这是我不想匹配的行
 
Omissions（遗漏）
这是我不能匹配但想要匹配的行
 
Falsealarms（假警报）
这是我不想匹配的但却匹配了的行
 
字符类
 

字符的范围
 

排除字符类
 

重复出现的字符
10
50
100
500
1000
5000
[15]0*
[15]00*

分组操作
compan(y|ies)
注意：大多数sed 和grep 不能对圆括号（）进行匹配，但是在egrep 和
awk 所有版本都是可以的
 
四，编写sed 脚本
模式空间：
 

寻址上的全局透视（定址）
sed将命令应用于每个输入行，它可以指定零个、一个或两个地址。每个地址
都是一个描述模式、行号或者行寻址符号的正则表达式。
例file2.txt
.TS
Beijing,CN
.TE
 
Shanghai,CN
guangzhou,CN
shenyang,CN
$ sed'/Beijing/s/CN/China/' file2.txt

分组命令
 

五，基本的sed 命令
sed 命令的语法
[address]command
行地址对于任何命令都是可选的，它可以是一个模式，或者由斜杠、行号或行寻址符号括住的正则表达式, 大多数sed命令能接受由逗号分隔的两个地址, 有些命令只接受单个行地址
命令还可以用大括号进行分组，第一个命令可以和大括号放在同一行，但是右大括号必须自己一行。
 
替换
[address ]s/pattern /replacement/flags
标志flags是：
n 可以是1-512，表示第n次出现的情况进行替换
g 全局更改
p 打印模式空间的内容
wfile 写入到一个文件file中
 
replacement部分用下列字符会有特殊含义：
&用正则表达式匹配的内容进行替换
\n 回调参数
 

删除
[address]d
删除模式空间的内容，同时改变脚本的控制流，执行这个命令后，在“空的”模式空间不再有命令执行。删除命令会导致读取新的输入行。