Linux 去重 先sort再uniq

從uniq命令的幫助信息中可以看到，該命令只過濾相鄰的重復行．

如果要去掉所有重復行，需要先排序，或者使用uniq -u

$ uniq --h
Usage: uniq [OPTION]... [INPUT [OUTPUT]]
Filter adjacent matching lines from INPUT (or standard input),
writing to OUTPUT (or standard output).

With no options, matching lines are merged to the first occurrence.

Mandatory arguments to long options are mandatory for short options too.
  -c, --count           prefix lines by the number of occurrences
  -d, --repeated        only print duplicate lines, one for each group
  -D                    print all duplicate lines
      --all-repeated[=METHOD]  like -D, but allow separating groups
                                 with an empty line;
                                 METHOD={none(default),prepend,separate}
  -f, --skip-fields=N   avoid comparing the first N fields
      --group[=METHOD]  show all items, separating groups with an empty line;
                          METHOD={separate(default),prepend,append,both}
  -i, --ignore-case     ignore differences in case when comparing
  -s, --skip-chars=N    avoid comparing the first N characters
  -u, --unique          only print unique lines
  -z, --zero-terminated     line delimiter is NUL, not newline
  -w, --check-chars=N   compare no more than N characters in lines
      --help     display this help and exit
      --version  output version information and exit

A field is a run of blanks (usually spaces and/or TABs), then non-blank
characters.  Fields are skipped before chars.

Note: 'uniq' does not detect repeated lines unless they are adjacent. You may want to sort the input first, or use 'sort -u' without 'uniq'. Also, comparisons honor the rules specified by 'LC_COLLATE'.

 

$ cat tmp.txt
aa
aa
bb
bb
bb
cc
cc
aa
cc
bb
$ cat tmp.txt | uniq
aa
bb
cc
aa
cc
bb

 

先sort再uniq可以去除所有重復項：

$ cat tmp.txt | sort | uniq
aa
bb
cc

 

 或者使用uniq -u：

$ cat tmp.txt | uniq -u
aa
cc
bb

但是這種方法不一定起效（參考下面的例子）

 

$ head info.json -n20 | jq .industry | awk -F '"' '{print $2}' | awk '{if (length > 0) print $0}' | uniq | sort # ==> 沒有去重
商務服務業
建築裝飾和其他建築業
批發業
批發業
批發業
機動車、電子產品和日用產品修理業
研究和試驗發展
紡織服裝、服飾業
計算機、通信和其他電子設備制造業
軟件和信息技術服務業
道路運輸業
零售業
$ head info.json -n20 | jq .industry | awk -F '"' '{print $2}' | awk '{if (length > 0) print $0}' | uniq -u | sort  # ==> 去重不完全
商務服務業
建築裝飾和其他建築業
批發業
批發業
機動車、電子產品和日用產品修理業
研究和試驗發展
紡織服裝、服飾業
計算機、通信和其他電子設備制造業
軟件和信息技術服務業
道路運輸業
零售業
$ head info.json -n20 | jq .industry | awk -F '"' '{print $2}' | awk '{if (length > 0) print $0}' | sort | uniq  # ==> 去重成功
商務服務業
建築裝飾和其他建築業
批發業
機動車、電子產品和日用產品修理業
研究和試驗發展
紡織服裝、服飾業
計算機、通信和其他電子設備制造業
軟件和信息技術服務業
道路運輸業
零售業