linux之去重uniq命令详解

linux之去重uniq命令详解

uniq是对文本文件进行行去去重的工具。

• 以行为单位，进行行与行之间的字符串比较并进行去重
• 只能对有序的文本行进行有效去重，所以常与sort命令结合使用

参数	解释
-c	统计行出现的次数
-d	只显示重复的行并且去重
-u	只显示唯一的行
-i	忽略字母大小写
-f	忽略前N个字段（字段间用空白字符分隔）

1.与sort结合使用

准备文件

[root@linuxforliuhj test]# cat hello.sh 
hello this is linux
be better
be better
i am lhj
hello this is linux
i am lhj
i am lhj
be better
i am lhj
have a nice day
have a nice day
hello this is linux
hello this is linux
have a nice day
zzzzzzzzzzzzzz
dddddddd
gggggggggggggggggggg
[root@linuxforliuhj test]# 

【1】单独使用uniq命令

[root@linuxforliuhj test]# uniq hello.sh
hello this is linux
be better
i am lhj
hello this is linux
i am lhj
be better
i am lhj
have a nice day
hello this is linux
have a nice day
zzzzzzzzzzzzzz
dddddddd
gggggggggggggggggggg
[root@linuxforliuhj test]#

可以看出单独使用uniq命令时只对相邻重复行进行去重，无法进行有效去重

【2】与sort结合使用

[root@linuxforliuhj test]# sort hello.sh | uniq
be better
dddddddd
gggggggggggggggggggg
have a nice day
hello this is linux
i am lhj
zzzzzzzzzzzzzz
[root@linuxforliuhj test]# 

先排序使重复的行相邻，然后使用uniq可以有效去重

【3】uniq支持管道符

[root@linuxforliuhj test]# cat hello.sh | sort | uniq
be better
dddddddd
gggggggggggggggggggg
have a nice day
hello this is linux
i am lhj
zzzzzzzzzzzzzz
[root@linuxforliuhj test]# 

上次写sort那篇文章时说到sort支持管道符，同样uniq也一样支持管道符

2.统计出现的次数，使用-c参数

使用-c,–count可以统计重复行出现的次数

[root@linuxforliuhj test]# cat hello.sh | sort | uniq -c
      3 be better
      1 dddddddd
      1 gggggggggggggggggggg
      3 have a nice day
      4 hello this is linux
      4 i am lhj
      1 zzzzzzzzzzzzzz
[root@linuxforliuhj test]#

3.只显示重复的行并且去重，使用-d参数

使用-d,–repeated只显示重复的行并且重复的行只显示一次

[root@linuxforliuhj test]# cat hello.sh | sort | uniq -dc
      3 be better
      3 have a nice day
      4 hello this is linux
      4 i am lhj
[root@linuxforliuhj test]# 

可以看到末尾的三行不重复的行没有显示，将重复的行进行去重后显示

3.只显示唯一的行，使用-u参数

[root@linuxforliuhj test]# cat hello.sh | sort | uniq -u
dddddddd
gggggggggggggggggggg
zzzzzzzzzzzzzz
[root@linuxforliuhj test]# 

只有末尾三行是唯一的，所以只显示末尾的三行文本

4.忽略字母大小写，使用-i参数

[root@linuxforliuhj test]# cat test.txt 
I am LHJ
i am lhj
HELLO this Is Zhang
hello this is zhang
[root@linuxforliuhj test]# cat test.txt | sort | uniq -i
hello this is zhang
i am lhj
[root@linuxforliuhj test]#

5.忽略前N个字段进行去重，使用-f参数

[root@linuxforliuhj test]# cat test.txt 
1 I am LHJ
2 i am lhj
3 HELLO this Is Zhang
4 hello this is zhang
[root@linuxforliuhj test]# cat test.txt | sort | uniq -i -f 1
1 I am LHJ
3 HELLO this Is Zhang
[root@linuxforliuhj test]# 

test.txt文件中每一行之前有行号，无法使用sort和uniq进行去重，可以使用-f参数忽略每一行的第一个字段，这样就可以忽略每一行之前的行号，对每一行之后的内容进行去重处理。

注意：字段之间必须是空白字符（空格或者tap键均属于空白字符）分隔，使用其他字符无法识别
对于这种情况也可以使用awk命令工具进行处理去除第一列的行号，然后通过管道符丢给sort和uniq命令处理，后续会继续更新awk等重要的文本处理工具。