大家帮我想一个好的方法处理第一列重复的行

fangdingj

我嫌 scim五笔输入的重码太多，我把码表导出来处理一下，大家帮我想一个好的处理方法
处理从9479行到32330行
如果第一列是一样的，删掉第二列不是一个汉字的行
比如
yyyy    言      32330
yyyy    方言    320
yyyy    谆谆    70
yyyy    文言    63
yyyy    言谈话语        2
xxxx    幽幽    364
xxxx    丝丝    346
xxxx    纟      34
处理之后是这样的
yyyy    言      32330
xxxx    纟      34

woodie

awk 'NR<9479;
        NR==9749,NR==32330{if (!a[$1]++) print}
        NR>32330;' 码表文件

waker

如果第一列是排序的

1. 
   
2. awk 'NR==1{a=$0;b=$1;c=$2;next}
   
3. $1!=b{print a; a=$0;b=$1;c=$2;next}
   
4. length($2)<length(c){a=$0;c=$2}
   
5. END{print a} ' urfile
   

复制代码

fangdingj

谢谢!
两位的方法都很好.
woodie的方法有点小问题，好像只保留最先找到的那一个
比如
dddd    大大    2145
dddd    硕大    290
dddd    大      65535
dddd    磕磕碰碰        19
dddd    大厦    727
处理后是dddd    大大    2145
我想要的是dddd    大      65535

[ 本帖最后由 fangdingj 于 2007-5-21 11:55 编辑 ]