linux shell 文件去除重复行

原始文本文件

$ cat test              
jason
jason
jason
fffff
jason

方法一：sort -u

去除重复后

sort -u test
fffff
jason

注意顺序被打乱

方法二：sort test|uniq

去除重复后

$sort test |uniq 
fffff
jason

注意顺序被打乱，原理和方法一雷同

方法三：awk '!a[$0]++' 

去除重复后

$ awk '!a[$0]++' test
jason
fffff

顺序保持不变，文件去重示例

awk '!a[$0]++' test.txt >test.txt.tmp && mv -f test.txt.tmp test.txt

此处awk使用一个临时文件过度结果

具体原理如下：

awk的程序指令由模式和操作组成，即Pattern { Action }的形式，如果省略Action，则默认执行 print $0 的操作。

　　实现去除重复功能的就是这里的Pattern：

!a[$0]++

　　在awk中，对于未初始化的数组变量，在进行数值运算的时候，会赋予初值0，因此a[$0]=0，++运算符的特性是先取值，后加1，因此Pattern等价于

!0

　　而0为假，!为取反，因此整个Pattern最后的结果为1，相当于if(1)，Pattern匹配成功，输出当前记录，对于dup文件，前3条记录的处理方式都是如此。

　　当读取第2行数据“jason”的时候，a[$0]=1，取反后的结果为0，即Pattern为0，Pattern匹配失败，因此不输出这条记录，后续的数据以此类推，最终成功实现去除文件中的重复行。