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：

# temp1.txt文件内容

$> cat temp1.txt

20110224

20110225

20110228

20110301

20110302

# temp2.txt文件内容

$> cat temp2.txt

20110228

20110301

20110302

20110303

20110304

# diff命令输出结果

$> diff temp1.txt temp2.txt

1,2d0

< 20110224

< 20110225

5a4,5

> 20110303

> 20110304

# 只输出temp2.txt文件独有的内容

$> diff temp1.txt temp2.txt | grep "> " | sed 's/> //g'

20110303

20110304

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：

$> cat temp1.txt

20101216

20101217

20101220

20101221

20101223

20101224

20101227

20101228

20101229

20101230

20101231

20110103

20110104

20110105

20110106

20110107

20110110

20110111

20110112

20110113

20110114

20110117

20110118

20110119

20110120

20110121

20110124

20110125

20110126

20110127

20110128

20110131

20110201

20110202

20110203

20110204

20110207

20110208

20110209

20110210

20110211

20110214

20110215

20110216

20110217

20110218

20110221

20110222

20110223

20110224

20110225

20110228

20110301

20110302

20110303

$> cat temp2.txt

20110228

20110301

20110302

20110303

20110304

20110307

20110308

20110309

20110310

20110311

20110314

$> diff temp1.txt temp2.txt

1,55c1,11

< 20101216

< 20101217

< 20101220

< 20101221

< 20101223

< 20101224

< 20101227

< 20101228

< 20101229

< 20101230

< 20101231

< 20110103

< 20110104

< 20110105

< 20110106

< 20110107

< 20110110

< 20110111

< 20110112

< 20110113

< 20110114

< 20110117

< 20110118

< 20110119

< 20110120

< 20110121

< 20110124

< 20110125

< 20110126

< 20110127

< 20110128

< 20110131

< 20110201

< 20110202

< 20110203

< 20110204

< 20110207

< 20110208

< 20110209

< 20110210

< 20110211

< 20110214

< 20110215

< 20110216

< 20110217

< 20110218

< 20110221

< 20110222

< 20110223

< 20110224

< 20110225

< 20110228

< 20110301

< 20110302

< 20110303

---

> 20110228

> 20110301

> 20110302

> 20110303

> 20110304

> 20110307

> 20110308

> 20110309

> 20110310

> 20110311

> 20110314

$> diff temp1.txt temp2.txt | grep "> " | sed 's/> //g'

20110228

20110301

20110302

20110303

20110304

20110307

20110308

20110309

20110310

20110311

20110314

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 -13 temp1.txt temp2.txt

20110304

20110307

20110308

20110309

20110310

20110311

20110314

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：

$> cat temp1.txt

20110224

20110225

20110228

20110301

20110302

$> cat temp2.txt

20110228

20110301

20110302

20110303

20110304

$> diff temp1.txt temp2.txt > temp.diff

$> cat temp.diff

1,2d0

< 20110224

< 20110225

5a4,5

> 20110303

> 20110304

# 使用temp.diff和temp1.txt恢复temp2文件

$> patch -i temp.diff -o temp2_restore.txt temp1.txt

Looks like a normal diff.

done

# 完成后temp2_restore和原temp2文件内容一致

$> cat temp2_restore.txt

20110228

20110301

20110302

20110303

20110304