Como diferenciar arquivos ignorando comentários (linhas começando com #)?

Eu tenho dois arquivos de configuração, o original do gerenciador de pacotes e o personalizado modificado por mim. Adicionei alguns comentários para descrever o comportamento.

Como posso executar diffnos arquivos de configuração, pulando os comentários? Uma linha comentada é definida por:

• espaço em branco à esquerda opcional (guias e espaços)
• sinal de hash ( #)
• qualquer outro personagem

A expressão regular (mais simples) pulando o primeiro requisito seria #.*. Tentei a opção --ignore-matching-lines=RE( -I RE) do GNU diff 3.0, mas não consegui fazê-lo funcionar com esse RE. Eu também tentei .*#.*e .*\#.*sem sorte. Colocar literalmente a linha ( Port 631) como REnão corresponde a nada, nem ajuda a colocar o ER entre barras.

Como sugerido no sabor da regex da ferramenta “diff”, parece estar faltando? , Tentei grep -G:

grep -G '#.*' file

Isso parece coincidir com os comentários, mas não funciona diff -I '#.*' file1 file2.

Então, como essa opção deve ser usada? Como posso fazer diffpular certas linhas (no meu caso, comentários)? Por favor, não sugira grepo arquivo e compare os arquivos temporários.

De acordo com Gilles, a -Iopção ignora apenas uma linha se nada mais nesse conjunto corresponder, exceto a correspondência de -I. Não o compreendi completamente até o testar.

O teste

Três arquivos estão envolvidos no meu teste:
Arquivo test1:

    text

Arquivo test2:

    text
    #comment

Arquivo test3:

    changed text
    #comment

Os comandos:

$ # comparing files with comment-only changes
$ diff -u -I '#.*' test{1,2}
$ # comparing files with both comment and regular changes
$ diff -u -I '#.*' test{2,3}
--- test2       2011-07-20 16:38:59.717701430 +0200
+++ test3       2011-07-20 16:39:10.187701435 +0200
@@ -1,2 +1,2 @@
-text
+changed text
 #comment

O caminho alternativo

Como até o momento não há resposta para explicar como usar a -Iopção corretamente, fornecerei uma alternativa que funciona em shells do bash:

diff -u -B <(grep -vE '^\s*(#|$)' test1)  <(grep -vE '^\s*(#|$)' test2)

• diff -u - diff unificado
  • -B - ignorar linhas em branco
• <(command)- um recurso bash chamado substituição de processo que abre um descritor de arquivo para o comando, eliminando a necessidade de um arquivo temporário
• grep - comando para imprimir linhas (não) correspondentes a um padrão
  • -v - mostrar linhas não correspondentes
  • E - use expressões regulares estendidas
  • '^\s*(#|$)' - uma expressão regular combinando comentários e linhas vazias
    • ^ - corresponde ao início de uma linha
    • \s* - corresponder espaço em branco (tabulações e espaços), se houver
    • (#|$) corresponde a uma marca de hash ou, alternativamente, ao final de uma linha

Experimentar:

diff -b -I '^#' -I '^ #' file1 file2

Observe que o regex deve corresponder à linha correspondente nos dois arquivos e corresponde a todas as linhas alteradas no pedaço para funcionar, caso contrário, ainda mostrará a diferença.

Use aspas simples para proteger o padrão da expansão do shell e para escapar dos caracteres reservados à expressão regular (por exemplo, colchetes).

Podemos ler no diffutilsmanual:

No entanto, -Iapenas ignora a inserção ou exclusão de linhas que contêm a expressão regular se todas as linhas alteradas no pedaço (toda inserção e exclusão) corresponderem à expressão regular.

Em outras palavras, para cada mudança não ignorável, diffimprime o conjunto completo de mudanças nas proximidades, incluindo as ignoráveis. Você pode especificar mais de uma expressão regular para que as linhas sejam ignoradas usando mais de uma -Iopção. difftenta combinar cada linha com cada expressão regular, começando com a última.

Esse comportamento também é bem explicado pelo armel aqui .

Relacionado: Como posso executar uma comparação que ignora todos os comentários?

Depois de pesquisar na web, a maneira alternativa de Lekensteyn é a melhor que encontrei.

Mas eu quero usar a saída dif como patch ... e há um problema porque o número da linha é mantido por nota por causa de "grep -v".

Então, pretendo melhorar esta linha de comando:

diff -u -B <(sed 's/^[[:blank:]]*#.*$/ /' file1)  <(sed 's/^[[:blank:]]*#.*$/ /' file2)

Não é perfeito, mas o número da linha é mantido no arquivo de correção.

No entanto, se uma nova linha for adicionada em vez da linha de comentário ... o comentário produzirá um Hunk FAILED ao aplicar patches, como podemos ver abaixo.

File test1:
  text
  #comment
  other text
File test2:
  text
  new line here
  #comment changed
  other text changed

teste agora nosso comando

$ echo -e "#!/usr/bin/sed -f\ns/^[[:blank:]]*#.*$/ /" > outcom.sed
$ echo "diff -u -B <(./outcom.sed \$1)  <(./outcom.sed \$2)" > mydiff.sh
$ chmod +x mydiff.sh outcom.sed
$ ./mydiff.sh file1 file2 > file.dif
$ cat file.dif
--- /dev/fd/63  2014-08-23 10:05:08.000000000 +0200
+++ /dev/fd/62  2014-08-23 10:05:08.000000000 +0200
@@ -1,2 +1,3 @@
 text
+new line

-other text
+other text changed

/ dev / fd / 62 e / dev / fd / 63 são arquivos produzidos por substituição de processo. Linha entre "+ nova linha" e "-outro texto" é o caractere de espaço padrão definido em nossa expressão sed para substituir comentários.

E agora, o que está chegando quando aplicamos este patch:

$ patch -p0 file1 < file.dif 
patching file file1
Hunk #1 FAILED at 1.
1 out of 1 hunk FAILED -- saving rejects to file file1.rej

A solução é não usar o formato diff unificado sem -u

$ echo "diff -B <(./outcom.sed \$1)  <(./outcom.sed \$2)" > mydiff.sh
$ ./mydiff.sh file1 file2 > file.dif
$ cat file.dif
1a2
> new line
3c4
< other text
---
> other text changed
$ patch -p0 file1 < file.dif 
patching file file1
$ cat file1
text
new line
#comment
other text changed

agora remendo arquivo arquivo de trabalho (sem garantia de resultado em um processo diff muito complexo).

Eu geralmente ignoro essa desordem por:

• Gerando versões não comentadas usando grep -v "^#" | cat -se diferindo daquelas ou ...
• Usando vim -dpara olhar para os arquivos. O destaque da sintaxe cuida de tornar as diferenças entre comentários e não comentários bastante óbvias. O realce diferencial da diferença em linha para que você possa ver rapidamente quais valores ou partes de valores foram alterados faz deste o meu favorito.

Aqui está o que eu uso para remover todas as linhas comentadas - mesmo as que começam com uma guia ou espaço - e as em branco:

egrep -v "^$|^[[:space:]]*#" /path/to/file

ou você pode fazer

sed -e '/^#.*/d' -e 's/#.*//g' | cat -s