删除文本中的重复行(sort+uniq/awk/sed)

hbjxzl

在进行文本处理的时候，我们经常遇到要删除重复行的情况。那怎么解决呢？
　　下面就是三种常见方法？
　　第一，用sort+uniq，注意，单纯uniq是不行的。
shell> sort file | uniq
　　这里我做了个简单的测试，当file中的重复行不再一起的时候，uniq将服务删除所有的重复行。经过排序后，所有相同的行都在相邻，因此unqi可以正常删除重复行。
　　第二，用sort+awk命令，注意，单纯awk同样不行，原因同上。
shell> sort file | awk '{if ($0!=line) print;line=$0}'
　　当然，自己把管道后面的代码重新设计一下，可能不需要sort命令先排序拉。
　　第三，用sort+sed命令，同样需要sort命令先排序。
shell> sort file | sed '$!N; /^\(.*\)\n\1$/!P; D'
　　最后附一个必须先用sort排序的文本的例子，当然，这个需要用sort排序的原因是很简单，就是后面算法设计的时候的“局部性”，相同的行可能分散出现在不同的区域，一旦有新的相同行出现，那么前面的已经出现的记录就被覆盖了，看了这个例子就好理解拉。
　　
ffffffffffffffffff
ffffffffffffffffff
eeeeeeeeeeeeeeeeeeee
fffffffffffffffffff
eeeeeeeeeeeeeeeeeeee
eeeeeeeeeeeeeeeeeeee
gggggggggggggggggggg
　　其实，这是我随便打进去的几行字，没想到就是必须用sort的很好例子，大家可以自己试试看。
参考资料：
[1] SED单行脚本快速参考
http://linux.chinaitlab.com/administer/381792.html
[2] 如何删除重复的行（sed或awk）
http://www.linuxsir.org/bbs/showthread.php?t=132848


本文来自ChinaUnix博客，如果查看原文请点：http://blog.chinaunix.net/u/16743/showart_1810861.html