linux将两各数据排序整理删除重复,linux系统利用awk 不排序删除重复行 – 运维那些事...

实例如下

1 2 3

1 2 3

1 2 4

1 2 3

1 2 5

这里假设我要处理的文件如上面的例子。不难看出里面有三行123，而我想所有的排列顺序不变，遇到重复的就自动删除。想实现的最终效果为：

1 2 3

1 2 4

1 2 5

而如果使用sort加uniq进行排序的话，这个文档是看不出有什么不妥，不过我要处理的是用户名与密码一行行对应好的，如果使用sort + uniq处理的话，用户名都排到一块了，密码也又都跑到一块了。这样就分不出来那个是那个了。 而使用的脚本很简单：

'!x[$0]++'filename

注：此处的x只是一个数据参数的名字而已，随你用a、b、c、d都行。

简要解释一下，awk 的基本执行流程是，对文件的每一行，做一个指定的逻辑判断，如果逻辑判断成立，则执行指定的命令；如果逻辑判断不成立，则直接跳过这一行。

我们这里写的 awk 命令是!x[$0]++，意思是，首先创建一个 map 叫x，然后用当前行的全文$0作为 map 的 key，到 map 中查找相应的 value，如果没找到，则整个表达式的值为真，可以执行之后的语句；如果找到了，则表达式的值为假，跳过这一行。由于表达式之后有++，因此如果某个 key 找不到对应的 value，该++操作会先把对应的 value 设成 0，然后再自增成 1，这样下次再遇到重复的行的时候，对应的 key 就能找到一个非 0 的 value 了。

注：该处的map类似于array数组，只不过在awk中叫array不恰当。

awk Oneline中我们也学到过，awk 的流程是先判断表达式，表达式为真的时候就执行语句，可是我们前面写的这个 awk 命令里只有表达式，没有语句，那我们执行什么呢？原来，当语句被省略的时候，awk 就执行默认的语句，即打印整个完整的当前行。就这样，我们通过这个非常简短的 awk 命令实现了去除重复行并保留原有文件顺序的功能。

当然，我们也可以对该例进行下改变，通过判断某列的值相同，就只保留首行。

awk '!a[$3]++' filename

删除第三列重复的行

awk '!a[$NF]++' filename

删除最后一列重复的行

如何在去除重复行时对空白行不做处理，我这里总结了三种实现方法(都是仅使用awk工具)，具体如下(为了便于区分，这里我使用nl命令加了行号)：

[root@u22e ~]# cat a.txt |nl -b a #原文件

1 1 2 3

2 1 2 3

3

4

5 1 2 4

6 1 2 3

7

8

9 1 2 5

[root@u22e ~]# awk '!NF || !a[$0]++' a.txt |nl -b a #方法一

1 1 2 3

2

3

4 1 2 4

5

6

7 1 2 5

[root@u22e ~]# awk '!NF {print;next} !($0 in a) {a[$0];print}' a.txt |nl -b a #方法二

1 1 2 3

2

3

4 1 2 4

5

6

7 1 2 5

[root@u22e ~]# awk '!/./ || !a[$0]++' a.txt |nl -b a #方法三

1 1 2 3

2

3

4 1 2 4

5

6

7 1 2 5

[root@u22e ~]#