linux系统下使用uniq和awk去重方式

admin

使用uniq去重，添加-c参数，显示去重的个数。
: j2 z' T8 @% o8 _cat host.txt |uniq -c

$ Q2 g* H  t4 M9 F" T$ yawk命令去除文件中重复数据的办法
! V( @! r* d4 i. c7 e. Y- ?  |7 }　　首先准备一个文本文件，随便写个文件，包含重复行数据的即可，或者你可以参考我这里的文件：
$ Z6 G0 F5 g! v% Y' G# cat dup
hello world
8 u3 k# f# [/ R7 @3 F4 Eawk
# U. R$ M: r0 Z* m; y! Pcoding ants
hello world
awk
) t# ?9 X6 w4 {$ Z/ J5 {hello world
awk
' K* @/ d9 u4 M: r; Q9 z+ h7 {coding ants
coding ants
4 }! X- w& k2 c# Fcoding ants
1 _2 H! u+ P4 U( t8 s/ Bcoding ants
/ T) ]& g9 i% b$ S( F( R　　共有11行，后面8行都是重复的前面的几行，最终的效果应该是只显示上面重点显示的那几行，先来看看效果：
! s+ g/ o# Q& J/ w, z0 R# awk '!a[$0]++' dup
" u! M* I, ~+ x3 f1 g) Y& Khello world
6 Q+ Y4 M( A5 x5 S" o7 ]) K1 Lawk
coding ants

　　在《awk程序指令模型》中介绍了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。
, f1 z* E8 G2 S! s# s: L- X　　实现去除重复功能的就是这里的Pattern：
1 o, c. O9 e7 I4 o" R, n7 q2 a6 w!a[$0]++
% r7 W4 _- D+ r0 B/ r
　　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
  F* J* G5 U- d/ O!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4行数据“hello world”的时候，a[$0]=1，取反后的结果为0，即Pattern为0，Pattern匹配失败，因此不输出这条记录，后续的数据以此类推，最终成功实现去除文件中的重复行。
; Y% j! e2 q3 r. N$ v5 w
: }7 ]3 r4 P" B+ [* O