Intersección de dos matrices en BASH

Tengo dos matrices como esta:

A=(vol-175a3b54 vol-382c477b vol-8c027acf vol-93d6fed0 vol-71600106 vol-79f7970e vol-e3d6a894 vol-d9d6a8ae vol-8dbbc2fa vol-98c2bbef vol-ae7ed9e3 vol-5540e618 vol-9e3bbed3 vol-993bbed4 vol-a83bbee5 vol-ff52deb2)
B=(vol-175a3b54 vol-e38d0c94 vol-2a19386a vol-b846c5cf vol-98c2bbef vol-7320102b vol-8f6226cc vol-27991850 vol-71600106 vol-615e1222)

Las matrices no están ordenadas y posiblemente podrían contener elementos duplicados.

1. Me gustaría hacer la intersección de estas dos matrices y almacenar los elementos en otra matriz. ¿Como podría hacerlo?

2. Además, ¿cómo obtendría la lista de elementos que aparecen en B y no están disponibles en A?

comm(1)es una herramienta que compara dos listas y puede darle la intersección o diferencia entre dos listas. Las listas deben ordenarse, pero eso es fácil de lograr.

Para obtener sus matrices en una lista ordenada adecuada para comm:

$ printf '%s\n' "${A[@]}" | LC_ALL=C sort

Eso convertirá la matriz A en una lista ordenada. Haz lo mismo para B.

Para usar commpara devolver la intersección:

$ comm -1 -2 file1 file2

-1 -2 dice que elimine las entradas exclusivas del archivo1 (A) y exclusivas del archivo2 (B): la intersección de las dos.

Para que devuelva lo que está en el archivo 2 (B) pero no en el archivo 1 (A):

$ comm -1 -3 file1 file2

-1 -3 dice que elimine las entradas exclusivas de file1 y comunes a ambas, dejando solo aquellas exclusivas de file2.

Para alimentar dos tuberías comm, utilice la función "Sustitución de proceso" de bash:

$ comm -1 -2 <(pipeline1) <(pipeline2)

Para capturar esto en una matriz:

$ C=($(command))

Poniendolo todo junto:

# 1. Intersection
$ C=($(comm -12 <(printf '%s\n' "${A[@]}" | LC_ALL=C sort) <(printf '%s\n' "${B[@]}" | LC_ALL=C sort)))

# 2. B - A
$ D=($(comm -13 <(printf '%s\n' "${A[@]}" | LC_ALL=C sort) <(printf '%s\n' "${B[@]}" | LC_ALL=C sort)))

Puede obtener todos los elementos que están en A y B recorriendo ambas matrices y comparando:

A=(vol-175a3b54 vol-382c477b vol-8c027acf vol-93d6fed0 vol-71600106 vol-79f7970e vol-e3d6a894 vol-d9d6a8ae vol-8dbbc2fa vol-98c2bbef vol-ae7ed9e3 vol-5540e618 vol-9e3bbed3 vol-993bbed4 vol-a83bbee5 vol-ff52deb2)
B=(vol-175a3b54 vol-e38d0c94 vol-2a19386a vol-b846c5cf vol-98c2bbef vol-7320102b vol-8f6226cc vol-27991850 vol-71600106 vol-615e1222)

intersections=()

for item1 in "${A[@]}"; do
    for item2 in "${B[@]}"; do
        if [[ $item1 == "$item2" ]]; then
            intersections+=( "$item1" )
            break
        fi
    done
done

printf '%s\n' "${intersections[@]}"

Puede obtener todos los elementos en B pero no en A de manera similar:

A=(vol-175a3b54 vol-382c477b vol-8c027acf vol-93d6fed0 vol-71600106 vol-79f7970e vol-e3d6a894 vol-d9d6a8ae vol-8dbbc2fa vol-98c2bbef vol-ae7ed9e3 vol-5540e618 vol-9e3bbed3 vol-993bbed4 vol-a83bbee5 vol-ff52deb2)
B=(vol-175a3b54 vol-e38d0c94 vol-2a19386a vol-b846c5cf vol-98c2bbef vol-7320102b vol-8f6226cc vol-27991850 vol-71600106 vol-615e1222)

not_in_a=()

for item1 in "${B[@]}"; do
    for item2 in "${A[@]}"; do
        [[ $item1 == "$item2" ]] && continue 2
    done

    # If we reached here, nothing matched.
    not_in_a+=( "$item1" )
done

printf '%s\n' "${not_in_a[@]}"

Para hacerlo, hay un enfoque bastante elegante y eficiente, uniqpero tendremos que eliminar duplicados de cada matriz, dejando solo elementos únicos. Si desea guardar duplicados, solo hay una forma "recorriendo ambas matrices y comparando".

Considere que tenemos dos matrices:

A=(vol-175a3b54 vol-382c477b vol-8c027acf vol-93d6fed0 vol-71600106 vol-79f7970e vol-e3d6a894 vol-d9d6a8ae vol-8dbbc2fa vol-98c2bbef vol-ae7ed9e3 vol-5540e618 vol-9e3bbed3 vol-993bbed4 vol-a83bbee5 vol-ff52deb2)
B=(vol-175a3b54 vol-e38d0c94 vol-2a19386a vol-b846c5cf vol-98c2bbef vol-7320102b vol-8f6226cc vol-27991850 vol-71600106 vol-615e1222)

En primer lugar, transformemos estas matrices en conjuntos. Lo haremos porque no es matemática intersección operación que se conoce como la intersección de conjuntos, y el conjunto es una colección de distintos objetos, diferentes o únicas . Para ser honesto, no sé qué es "intersección" si hablamos de listas o secuencias. Aunque podemos seleccionar una subsecuencia de la secuencia, pero esta operación (selección) tiene un significado ligeramente diferente.

Entonces, ¡vamos a transformar!

$ A=(echo ${A[@]} | sed 's/ /\n/g' | sort | uniq)
$ B=(echo ${B[@]} | sed 's/ /\n/g' | sort | uniq)

1. Intersección:

   $ echo ${A[@]} ${B[@]} | sed 's/ /\n/g' | sort | uniq -d

   Si desea almacenar los elementos en otra matriz:

   $ intersection_set=$(echo ${A[@]} ${B[@]} | sed 's/ /\n/g' | sort | uniq -d)
   
   $ echo $intersection_set
   vol-175a3b54 vol-71600106 vol-98c2bbef

   uniq -dsignifica mostrar solo duplicados (creo que uniqes bastante rápido debido a su realización: supongo que se hace con la XORoperación).

2. Obtenga la lista de elementos que aparecen By no están disponibles A, es decirB\A

   $ echo ${A[@]} ${B[@]} | sed 's/ /\n/g' | sort | uniq -d | xargs echo ${B[@]} | sed 's/ /\n/g' | sort | uniq -u

   O, al guardar en una variable:

   $ subtraction_set=$(echo ${A[@]} ${B[@]} | sed 's/ /\n/g' | sort | uniq -d | xargs echo ${B[@]} | sed 's/ /\n/g' | sort | uniq -u)
   
   $ echo $subtraction_set
   vol-27991850 vol-2a19386a vol-615e1222 vol-7320102b vol-8f6226cc vol-b846c5cf vol-e38d0c94

   Por lo tanto, al principio tenemos la intersección de Ay B(que es simplemente el conjunto de duplicados entre ellos), digamos que es A/\B, y luego utilizamos la operación de la intersección invertida de By A/\B(que simplemente son elementos únicos), por lo que obtenemos B\A = ! (B /\ (A/\B)).

PS uniqfue escrito por Richard M. Stallman y David MacKenzie.

Ignorando la eficiencia, aquí hay un enfoque:

declare -a intersect
declare -a b_only
for bvol in "${B[@]}"
do
    in_both=""
    for avol in "${A[@]}"
    do
        [ "$bvol" = "$avol" ] && in_both=Yes
    done
    if [ "$in_both" ]
    then
        intersect+=("$bvol")
    else
        b_only+=("$bvol")
    fi
done
echo "intersection=${intersect[*]}"
echo "In B only=${b_only[@]}"

Mi puro estilo bash

Como estas variables contienen solo vol-XXXdonde XXXhay un número hexadecimal, hay una forma rápida de usar matrices bash

unset A B a b c i                    # Only usefull for re-testing...

A=(vol-175a3b54 vol-382c477b vol-8c027acf vol-93d6fed0 vol-71600106 vol-79f7970e
   vol-e3d6a894 vol-d9d6a8ae vol-8dbbc2fa vol-98c2bbef vol-ae7ed9e3 vol-5540e618
   vol-9e3bbed3 vol-993bbed4 vol-a83bbee5 vol-ff52deb2)
B=(vol-175a3b54 vol-e38d0c94 vol-2a19386a vol-b846c5cf vol-98c2bbef vol-7320102b
   vol-8f6226cc vol-27991850 vol-71600106 vol-615e1222)

for i in ${A[@]#vol-};do
    [ "${a[$((16#$i))]}" ] && echo Duplicate vol-$i in A
    ((a[$((16#$i))]++))
    ((c[$((16#$i))]++))
  done
for i in ${B[@]#vol-};do
    [ "${b[$((16#$i))]}" ] && echo Duplicate vol-$i in B
    ((b[$((16#$i))]++))
    [ "${c[$((16#$i))]}" ] && echo Present in A and B: vol-$i
    ((c[$((16#$i))]++))
  done

Esto debe generar:

Present in A and B vol-175a3b54
Present in A and B vol-98c2bbef
Present in A and B vol-71600106

En este estado, su entorno bash contiene:

set | grep ^c=
c=([391789396]="2" [664344656]="1" [706295914]="1" [942425979]="1" [1430316568]="1"
[1633554978]="1" [1902117126]="2" [1931481131]="1" [2046269198]="1" [2348972751]="1"
[2377892602]="1" [2405574348]="1" [2480340688]="1" [2562898927]="2" [2570829524]="1"
[2654715603]="1" [2822487781]="1" [2927548899]="1" [3091645903]="1" [3654723758]="1"
[3817671828]="1" [3822495892]="1" [4283621042]="1")

Entonces podrías:

for i in ${!b[@]};do
    [ ${c[$i]} -eq 1 ] &&
        printf "Present only in B: vol-%8x\n" $i
  done

Esto rendirá:

Present only in B: vol-27991850
Present only in B: vol-2a19386a
Present only in B: vol-615e1222
Present only in B: vol-7320102b
Present only in B: vol-8f6226cc
Present only in B: vol-b846c5cf
Present only in B: vol-e38d0c94

¡Pero esto está ordenado numéricamente! Si desea un pedido original, podría:

for i in ${B[@]#vol-};do
    [ ${c[((16#$i))]} -eq 1 ] && printf "Present in B only: vol-%s\n" $i
  done

Por lo tanto, muestra los vols en el mismo orden en que los envió:

Present in B only: vol-e38d0c94
Present in B only: vol-2a19386a
Present in B only: vol-b846c5cf
Present in B only: vol-7320102b
Present in B only: vol-8f6226cc
Present in B only: vol-27991850
Present in B only: vol-615e1222

o

for i in ${!a[@]};do
    [ ${c[$i]} -eq 1 ] && printf "Present only in A: vol-%8x\n" $i
  done

para mostrar solo en A :

Present only in A: vol-382c477b
Present only in A: vol-5540e618
Present only in A: vol-79f7970e
Present only in A: vol-8c027acf
Present only in A: vol-8dbbc2fa
Present only in A: vol-93d6fed0
Present only in A: vol-993bbed4
Present only in A: vol-9e3bbed3
Present only in A: vol-a83bbee5
Present only in A: vol-ae7ed9e3
Present only in A: vol-d9d6a8ae
Present only in A: vol-e3d6a894
Present only in A: vol-ff52deb2

o incluso:

for i in ${!b[@]};do
    [ ${c[$i]} -eq 2 ] && printf "Present in both A and B: vol-%8x\n" $i
  done

volverá a imprimir :

Present in both A and B: vol-175a3b54
Present in both A and B: vol-71600106
Present in both A and B: vol-98c2bbef