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。
6 @- j& e# l' i2 v; ?; ]cat host.txt |uniq -c

+ q2 t6 h9 U& E' D/ Yawk命令去除文件中重复数据的办法
4 p# B8 j- E1 w* p　　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：
/ s' t' ]$ s1 A* Y# cat dup
hello world
awk
coding ants
( g3 D3 Y- [; G2 Q. {+ z# Khello world
/ y- V& V" m# b) Y7 y  H3 \awk
/ O* V) \- X4 yhello world
awk
) [7 y1 L6 D0 x0 h. a3 `, c2 Icoding ants
coding ants
coding ants
coding ants
  a5 ~: E% ~) U* H: [9 Z% v$ g6 S　　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：
# awk '!a[$0]++' dup
hello world
3 K- z! c' C" d. e/ zawk
3 j2 T9 s; {! \9 o" |' I$ ycoding ants
+ _, a( q( F3 a- t  |) ]8 d* b9 {
　　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。
; ^; O2 g* l' x' c　　实现去除重复功能的就是这里的Pattern：
7 @) W) z1 p7 ^) P" @!a[$0]++
! F( A4 S" W4 G0 E- o# |; @
　　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

' }7 t. B9 E- w) E" g　　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。