[已解决]大文本，批处理或其他工具如何比较每行不同的字，并导出来。

每天几分

如：

1.txt
保正
不之道
部可一世
浪字回头近不换

2.txt
保证
不知道
不可一世
浪子回头金不换

1、2txt中，每一行都有不同的字，每行文字数量都是一一对应的。这2个文本是经过了Beyond Compare比对的，我导出了差异的部分分为1、2两个文本。

批处理如何把相同的字删掉，留下不同的字。

实现：

3.txt
正→证
之→知
部→不
字近→子金

   
https://ibb.co/K5HTY4M

就是把标红的字提取出来，但Beyond Compare好像没这个功能

77七

1. @echo off
   
2. set /a n=0,len=每行字数不超过=30
   
3. setlocal enabledelayedexpansion
   
4. for /f "delims=" %%a in ('type "1.txt"') do (
   
5.         set str1=%%a
   
6.         set /a n+=1,m=0
   
7.         for /f "delims=" %%b in ('type "2.txt"') do (
   
8.                 set /a m+=1
   
9.                 if !n! equ !m! (
   
10.                         set str2=%%b
    
11.                         set part1=
    
12.                         set part2=
    
13.                         for /l %%l in (0,1,%len%) do (
    
14.                                 if "!str1:~%%l,1!" neq "!str2:~%%l,1!" (
    
15.                                         set "part1=!part1!!str1:~%%l,1!"
    
16.                                         set "part2=!part2!!str2:~%%l,1!"
    
17.                                 )
    
18.                         )
    
19.                         >>3.txt echo !part1!→!part2!
    
20.                 )
    
21.         )
    
22. )
    
23. endlocal
    
24. pause

复制代码

Batcher

回复 1# 每天几分


真实的文本大概有多少行？
真实的文本大部分行是相同的还是不同的？

每天几分

回复 3# Batcher


    大概100万行，每行文字长度跟另一个文本同行的长度都是相同的。

每天几分

回复 2# 77七


    这个行数少是可行的，100万行跑了20分钟了，还没出结果。

Batcher

回复 4# 每天几分


我换个问法：
这个100万行里面，每一行都有不同的字？还是绝大部分行在两个文件里面是相同的，只有少数行有不同的字？

每天几分

回复 6# Batcher


    每一行都有不同的字。这2个文本是经过了Beyond Compare比对的，我导出了差异的部分分为2个文本。

每天几分

回复 6# Batcher


   
https://ibb.co/K5HTY4M

就是把标红的字提取出来，但Beyond Compare好像没这个功能

77七

回复 5# 每天几分


   可以在顶楼标准一下，”超大文本，100万行”。请会使用第三方文本处理工具的老师帮忙。

terse

BAT+js 应该会好点，

1. @if(0)==(0) echo off
   
2. rem ansi编码保存文件
   
3. cscript.exe //NoLogo //E:JScript "%~f0" 1.txt 2.txt>3.txt
   
4. pause&goto:eof
   
5. @end
   
6. function getText(file){
   
7.        var fso, fi, arr;
   
8.        fso = new ActiveXObject("Scripting.FileSystemObject");
   
9.        fi = fso.OpenTextFile(file);
   
10.        arr = fi.ReadAll().split(/[\n|\r\n]{1,}/);
    
11.        fi.Close();
    
12.        return arr;
    
13. }
    
14. var arr,brr, ar,br;
    
15. arr = getText(WSH.Arguments(0));
    
16. brr = getText(WSH.Arguments(1));
    
17. var len=arr.length;
    
18. for (var i=0; i<len; i++) {
    
19.       ar = arr[i].split('');
    
20.       br= brr[i].split('');
    
21.       var length = ar.length;
    
22.       var a='',b='';
    
23.       for (var j=0; j<length; j++) {
    
24.              if (ar[j] != br[j] ){
    
25.                  a += ar[j];
    
26.                  b +=br[j];
    
27.              }
    
28.       }
    
29.       if (a) {WSH.Echo(a + " → " + b)};
    
30. }

复制代码

每天几分

回复 10# terse


    (20, 7) Microsoft JScript 运行时错误: 'brr[...]' 为 null 或不是对象
这个速度是可以，但是出现了以上提示，生成的结果前面部分还能对应上，后面就不对应了。

terse

回复 11# 每天几分
前面能处理的话 查一下文本格式呢 按你说的情况每行字数相同，行数相同 所以代码没做其他判断

每天几分

回复 12# terse


    多谢，解决了，是文本中的空行造成的。速度很快，不到1分钟。

newswan

提供一个思路：
bc 比较结果导出，如果能带颜色的话，就简单了

qixiaobin0715

纯P。手头没有测试样本，不知这样效率如何，100万行的话，我想处理时间应当不会超过一刻钟。最多每行字数不超过10个（如果字数不满足，可修改代码第6行for /l的终值）：

1. @echo off
   
2. (for /f "delims=" %%i in (1.txt) do (
   
3.     setlocal enabledelayedexpansion
   
4.     set str1=%%i
   
5.     set /p str2=
   
6.     for /l %%a in (0,1,9) do (
   
7.         if "!str1:~%%a,1!" neq "!str2:~%%a,1!" (
   
8.             set str3=!str3!!str1:~%%a,1!
   
9.             set str4=!str4!!str2:~%%a,1!
   
10.         )
    
11.     )
    
12.     if defined str3 echo,!str3!        !str4!
    
13.     endlocal
    
14. ))<2.txt>3.txt
    
15. pause

复制代码