用 comm 來過濾 e-mail 清單

#comm #shell

comm 指令可以用來找出兩份清單中相同或不同的部分。包在 POSIX 標準（文件）內所以在一些奇奇怪怪的機器上都可以用。

例如這兩份清單：

left.txt

left1@example.com
both3@example.com
left2@example.com
left3@example.com
left4@example.com
both1@example.com
left4@example.com
both2@example.com
left1@example.com
left3@example.com

right.txt

right1@example.com
both3@example.com
right2@example.com
right2@example.com
right3@example.com
right3@example.com
right3@example.com
right2@example.com
both2@example.com
both1@example.com

下這樣的指令

$ comm <(cat left.txt | sort) <(cat right.txt | sort)

會得到這樣的結果

        both1@example.com
        both2@example.com
        both3@example.com
left1@example.com
left1@example.com
left2@example.com
left3@example.com
left3@example.com
left4@example.com
left4@example.com
    right1@example.com
    right2@example.com
    right2@example.com
    right2@example.com
    right3@example.com
    right3@example.com
    right3@example.com

由左至右（不是由上至下）為「第一個檔案才有的項目」「第二個檔案才有的項目」「兩個檔案都出現的項目」。注意資料要先 sort 過，不然 comm 比對的結果會是錯的。若不希望結果有重複項目可以用 sort -u 來排序。

$ comm <(cat left.txt | sort -u) <(cat right.txt | sort -u)
        both1@example.com
        both2@example.com
        both3@example.com
left1@example.com
left2@example.com
left3@example.com
left4@example.com
    right1@example.com
    right2@example.com
    right3@example.com

另外可以用 -1 -2 -3 參數隱藏三欄輸出資料（一樣由左至右理解）中的任何欄位。

例如這樣是顯示同時出現在兩份清單的項目：

$ comm -12 <(cat left.txt | sort) <(cat right.txt | sort)
both1@example.com
both2@example.com
both3@example.com

這樣是顯示出現在檔案一，但沒出現在檔案二的項目，等同於過濾掉 e-mail 黑名單。

$ comm -23 <(cat left.txt | sort) <(cat right.txt | sort)
left1@example.com
left1@example.com
left2@example.com
left3@example.com
left3@example.com
left4@example.com
left4@example.com