文件内容去重及排序

本文将使用 php 和 linux sort 命令两种方法，分别实现文件内容去重及排序，并提供完成演示代码。
 

1.创建测试文件

写入1000000个数字，每行一个数字

<?php
$file = 'user_id.txt';
$num = 1000000;
$tmp = '';

for($i=0; $i<$num; $i++){
    $tmp .= mt_rand(0,999999).PHP_EOL;
    if($i>0 && $i%1000==0 || $i==$num-1){
        file_put_contents($file, $tmp, FILE_APPEND);
        $tmp = '';
    }
}
?>

查看文件行数

wc -l user_id.txt
 1000000 user_id.txt

2.php实现去重及排序

因要处理1000000行数据，因此将php可使用的内存设置为256m，防止执行过程中内存不足。

<?php
/**
 * 文件内容去重及排序
 * @param String $source    源文件
 * @param String $dest      目标文件
 * @param String $order     排序顺序
 * @param Int    $sort_flag 排序类型
 */
function fileUniSort($source, $dest, $order='asc', $sort_flag=SORT_NUMERIC){

    // 读取文件内容
    $file_data = file_get_contents($source);

    // 文件内容按行分割为数组
    $file_data_arr = explode(PHP_EOL, $file_data);

    // 去除空行数据
    $file_data_arr = array_filter($file_data_arr, 'filter');

    // 去重
    $file_data_arr = array_flip($file_data_arr);
    $file_data_arr = array_flip($file_data_arr);

    // 排序
    if($order=='asc'){
        sort($file_data_arr, $sort_flag);
    }else{
        rsort($file_data_arr, $sort_flag);
    }

    // 数组合拼为文件内容
    $file_data = implode(PHP_EOL, $file_data_arr).PHP_EOL;

    // 写入文件
    file_put_contents($dest, $file_data, true);

}

// 过滤空行
function filter($data){
    if(!$data && $data!=='0'){
        return false;
    }
    return true;
}

// 设置可使用内存为256m
ini_set('memory_limit', '256m');

$source = 'user_id.txt';
$dest = 'php_sort_user_id.txt';

fileUniSort($source, $dest);

?>

查看去重及排序后的文件

wc -l php_sort_user_id.txt 
  632042 php_sort_user_id.txt

head php_sort_user_id.txt 
0
1
2
3
5
7
8
9
11
12
...

3.linux sort命令实现去重及排序

linux sort命令用于文本文件按行排序

格式：

sort [OPTION]... [FILE]...

 
参数说明：

-u 去重
-n 数字排序类型
-r 降序
-o 输出文件的路径
 
使用sort执行去重及排序

sort -uno linux_sort_user_id.txt user_id.txt

 
查看去重及排序后的文件

wc -l linux_sort_user_id.txt 
  632042 linux_sort_user_id.txt

head linux_sort_user_id.txt 
0
1
2
3
5
7
8
9
11
12
...

 
总结：使用php或linux sort命令都可以实现文件去重及排序，执行时间上相差不大，但建议对于文件类的操作，直接使用系统命令实现更为简单。