如何快速删除Linux文件中的重复数据行


Linux系统操作中，如果文件中的数据过多，想要删除重复数据行是非常麻烦的，查找不方便，那么有什么方法能够快速删除文件重复数据行呢？下面小编就给大家介绍下如何删除文件重复数据行，一起来看看吧。http://www.xitongzhijia.net/xtjc/20141226/33538.html



　　一、去掉相邻重复的数据行

　　代码如下：

　　$cat data1.txt | uniq

　　输出：

　　beijing

　　wuhan

　　beijing

　　wuhan

　　二、去掉所有重复的数据行

　　代码如下：

　　$cat data1.txt | sort | uniq

       cat log_20160723|awk -F ' ' '{print $3 >> "ppp.txt"}'

       cat ppp.txt |sort|uniq|wc -l

　　注：

　　只有uniq命令的话，只是把相邻的重复的数据行去掉。

　　如果先 sort 的话，就会把所有重复的数据行变成相邻的数据行，再 uniq 的话，就去掉所有重复的数据行了。

　　输出：

　　beijing

　　wuhan

　　附：data1.txt

　　代码如下：

　　［root@syy ~］# cat data1.txt

　　beijing

　　beijing

　　wuhan

　　wuhan

　　wuhan

　　beijing

　　beijing

　　beijing

　　wuhan

　　wuhan

　　注：在过滤日志中的IP地址很有用。

　　Linux下删除大数据文件中部分字段重复的行

　　最近写的一个数据采集程序生成了一个含有1千多万行数据的文件，数据由4个字段组成，按照要求需要删除第二个字段重复的行，找来找去linux下也没找到合适的工具，sed/gawk等流处理工具只能针对一行一行处理，并无法找到字段重复的行。看来只好自己python一个程序了，突然想起来利用mysql，于是进行乾坤大挪移：

　　1. 利用mysqlimport --local dbname data.txt导入数据到表中，表名要与文件名一致

　　2. 执行下列sql语句（要求唯一的字段为uniqfield）

　　代码如下：

　　use dbname;

　　alter table tablename add rowid int auto_increment not null;

　　create table t select min（rowid） as rowid from tablename group by uniqfield;

　　create table t2 select tablename .* from tablename，t where tablename.rowid= t.rowid;《/p》 《p》drop table tablename;

　　rename table t2 to tablename;

　　上面就是Linux删除文件重复数据行的方法介绍了，本文介绍了多种情况下删除文件重复数据行的方法，希望对你有所帮助。