unix - 如果使用 uniq 命令（在 shell 中），如何保持文件的格式？

Question

为了使用 uniq 命令，您必须先对文件进行排序。

但是在我拥有的文件中，信息的顺序很重要，那么我怎样才能保持文件的原始格式但仍然摆脱重复的内容呢？

Answer 1

另一个 awk 版本：

awk '!_[$0]++' infile

Answer 2

这awk将保留第一次出现。与其他答案使用的算法相同：

awk '!($0 in lines) { print $0; lines[$0]; }'

这是一个只需要存储重复行（而不是所有行）的awk：

sort file | uniq -d | awk '
   FNR == NR { dups[$0] }
   FNR != NR && (!($0 in dups) || !lines[$0]++)
' - file

Answer 3

还有“行号，双重排序”方法。

 nl -n ln | sort -u -k 2| sort -k 1n | cut -f 2-

Answer 4

您可以在文件的排序版本上运行 uniq -d 以查找重复的行，然后运行一些脚本：

if this_line is in duplicate_lines {
    if not i_have_seen[this_line] {
        output this_line
        i_have_seen[this_line] = true
    }
} else {
    output this_line
}

Answer 5

仅使用 uniq 和 grep：

创建 d.sh：

#!/bin/sh
sort $1 | uniq > $1_uniq
for line in $(cat $1); do
cat $1_uniq | grep -m1 $line >> $1_out
cat $1_uniq | grep -v $line > $1_uniq2
mv $1_uniq2 $1_uniq
done;
rm $1_uniq

例子：

./d.sh infile

Answer 6

你可以使用一些可怕的 O(n^2) 东西，像这样（伪代码）：

file2 = EMPTY_FILE
for each line in file1:
  if not line in file2:
    file2.append(line)

这可能相当慢，尤其是在 Bash 级别实施时。但是，如果您的文件相当短，它可能会工作得很好，并且可以快速实施（not line in file2然后就是grep -v，依此类推）。

否则，您当然可以编写一个专用程序，在内存中使用一些更高级的数据结构来加速它。

Answer 7

for line in $(sort file1 | uniq ); do
    grep -n -m1 line file >>out
done;

sort -n out

首先进行排序，

对于第一个匹配的每个唯一值 grep (-m1)

并保留行号

按行号对输出进行数字排序（-n）。

然后，您可以使用 sed 或 awk 删除行#