在進行文本處理的時候,我們經常遇到要刪除重復行的情況。那怎麼解決呢?
下面就是三種常見方法?
第一,用sort+uniq,注意,單純uniq是不行的。
shell> sort -k2n file | uniq
這裡我做了個簡單的測試,當file中的重復行不再一起的時候,uniq將服務刪除所有的重復行。經過排序後,所有相同的行都在相鄰,因此unqi可以正常刪除重復行。
第二,用sort+awk命令,注意,單純awk同樣不行,原因同上。
shell> sort -k2n file | awk '{if ($0!=line) print;line=$0}'
當然,自己把管道後面的代碼重新設計一下,可能不需要sort命令先排序拉。
第三,用sort+sed命令,同樣需要sort命令先排序。
shell> sort -k2n file | sed '$!N; /^.∗\n\1$/!P; D'
最後附一個必須先用sort排序的文本的例子,當然,這個需要用sort排序的原因是很簡單,就是後面算法設計的時候的“局部性”,相同的行可能分散出現在不同的區域,一旦有新的相同行出現,那麼前面的已經出現的記錄就被覆蓋了,看了這個例子就好理解拉。
ffffffffffffffffff
ffffffffffffffffff
eeeeeeeeeeeeeeeeeeee
fffffffffffffffffff
eeeeeeeeeeeeeeeeeeee
eeeeeeeeeeeeeeeeeeee
gggggggggggggggggggg
其實,這是我隨便打進去的幾行字,沒想到就是必須用sort的很好例子,大家可以自己試試看。