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。
cat host.txt |uniq -c
+ W9 D% S3 {- E4 g
awk命令去除文件中重复数据的办法
1 X8 o5 n/ P4 k　　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：
# cat dup
hello world
awk
/ v0 E% ^4 O# d2 y7 Fcoding ants
hello world
7 s! v3 i3 Y2 K4 ~7 `: Qawk
# C% a: f$ I  M/ R+ z5 Ohello world
awk
coding ants
coding ants
coding ants
! M7 ?2 ?. B' u- g. ^, k% Ycoding ants
　　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[$0]++' dup
! v" k" f/ N, l$ t' G8 R0 Hhello world
awk
# [3 L8 j( n9 {1 k( c" ?coding ants

7 C, t% R( s/ n" h) u% r1 n9 e  s　　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。
$ s% T0 {2 E+ _( J! ?　　实现去除重复功能的就是这里的Pattern：
" l' B# t( M8 T!a[$0]++
( ^% Q6 E) D: u8 t
7 R0 T0 n# j. O* a& z　　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
  x5 K* z& @5 |" W- V+ v
　　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。