linux中去掉文件重复数据行的方法(去重复ip)

时间:2021-10-04 03:45:42

一、去掉相邻重复的数据行

 

复制代码

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

 

复制代码

代码如下:


$cat data1.txt | sort | uniq 

 

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

 

复制代码

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)

 

复制代码

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;