shell 学习二十天---sort 的其他内容以及 uniq 命令

在排序算法里有个重要的问题:是否稳定?这个问题指的是:相同的记录输入顺序是否在输出时也可保持原状?当你以多键值为记录进行排序,或是以管道处理时,排序稳定性就非常重要了.我们先来验证一下.

sort -t_ -k1,1 -k2,2 <<EOF
> one_two
> one_two_three
> one_two_four
> one_two_five
>EOF

输出为:
one_two
one_two_five
one_two_four
one_two_three

每条记录内的排序字段都相同,但是输出与输入不一致,所以我们说 sort 不是稳定的排序.幸好:我们可以通过--stable 选项补救这个问题,设置此选项,就会稳定了.

sort --stable -t_ -k1,1 -k2,2 << EOF

输出为:
one_two
one_two_three
one_two_four
one_two_five
sort 命令的重要性绝对能在 linux 中拍到前十.

删除重复

有时,将数据流里连续重复的记录删除是必要的.使用 sort -u 的消除操作十一局匹配的键值,而非匹配的记录.
uniq 命令提供了另外一种过滤数据的方式:常用于管道中,用来删除已使用 sort 排序完成的重复记录.

sort ... | uniq | ... uniq [OPTION]… [INPUT [OUTPUT]]

从文件中去除或删除重复的行，在功能上和 sort -u类似.
常用选项：
-u: 只显示不重复的行
-d: 只显示重复的行
-c: 打印每一行出现的次数
-fn: 忽略前n个域
例如:我有一个文件:unip.txt
tres
unus
duo
tres
duo
tres
使用sort uniq.txt |uniq 命令显示唯一的,排序后的记录,重复则仅取唯一行.
输出为:
duo
tres
unus
使用sort uniq.txt | uniq -c命令计数唯一的,排序后的记录,说白了就是统计各行文本出现的次数
2 duo
3 tres
1 unus
代表的意思是说 duo 出现了两次,tres 出现了三次,unus 出现了一次.
使用sort uniq.txt | uniq -d命令仅显示重复的记录
输出结果为:
duo
tres
使用sort uniq.txt | uniq -u命令仅显示未重复的记录
输出结果为:unus

并集：cat file1.txt file2.txt | sort | uniq > file.txt
交集：cat file1.txt file2.txt | sort | uniq -d >file.txt

差集：求 file1.txt 相对于 file2.txt 的差集，可先求出两者的交集 temp.txt，然后在 file1.txt 中除去 temp.txt 即可。
cat file1.txt file2.txt | sort | uniq -d >temp.txt cat file1.txt temp.txt | sort | uniq -u >file.txt

uniq 到底是干嘛用的?

文本中的重复行，基本上不是我们所要的，所以就要去除掉。linux 下有其他命令可以去除重复行，但是我觉得 uniq 还是比较方便的一个。使用 uniq 的时候要注意以下二点

对文本操作时，它一般会和 sort 命令进行组合使用，因为 uniq 不会检查重复的行，除非它们是相邻的行。如果您想先对输入排序，使用 sort -u。
对文本操作时，若域中为先空字符(通常包括空格以及制表符)，然后非空字符，域中字符前的空字符将被跳过

uniq 的所有选项:

-c, --count //在每行前加上表示相应行目出现次数的前缀编号
-d, --repeated //只输出重复的行
-D, --all-repeated //只输出重复的行，不过有几行输出几行
-f, --skip-fields=N //-f 忽略的段数，-f 1 忽略第一段
-i, --ignore-case //不区分大小写
-s, --skip-chars=N //根-f 有点像，不过-s 是忽略，后面多少个字符 -s 5 就忽略后面 5 个字符
-u, --unique //去除重复的后，全部显示出来，根 mysql 的 distinct 功能上有点像
-z, --zero-terminated end lines with 0 byte, not newline
-w, --check-chars=N //对每行第 N 个字符以后的内容不作对照
--help //显示此帮助信息并退出
--version //显示版本信息并退出