第十三章 对文本进行排序、单一和重复操作：sort命令、uniq命令
sort命令
名字解释
sort命令 它将文件进行排序，并将排序结果标准输出。sort命令即可以从特定的文件，也可以从stdin中获取输入。
语法
sort (选项) (参数)
选项
- -b：忽略每行前面开始出的空格字符；
- -c：检查文件是否已经按照顺序排；
- -d：排序时，处理英文字母、数字及空格字符外，忽略其他的字符；
- -f：排序时，将小写字母视为大写字母；
- -i：排序时，除了040-176之间的ASCII字符外，忽略其他的字符；
- -m：将几个排序号的文件进行合并；
- -M：将前面3个字母依照月份的缩写进行排序；
- -n：依照数值的大小排序；
- -o：将排序后的结果存入指定的文件；
- -r：以相反的顺序来排序；
- -t：指定排序时所用的栏位分隔字符；
- +<起始栏位>-<结束栏位>：以指定的栏位来排序，范围由起始栏位到结束栏位的前一栏位。
- -u或--unique：跟-c意思是类似，但是不打印相同的行。
参数
实例
sort将文件/文本的每一行作为一个单位，相互比较，比较原则是从首字符向后，一次按照ASCII码值进行比较，最后将他们按升序输出。
[root@ceshi ~]# cat sort.txt aaa:10:1.1 ccc:30:3.3 ddd:40:4.4 bbb:20:2.2 eee:50:5.5 eee:50:5.5 排序后： [root@ceshi ~]# sort sort.txt aaa:10:1.1 bbb:20:2.2 ccc:30:3.3 ddd:40:4.4 eee:50:5.5 eee:50:5.5
忽略相同的行
排序 忽略相同的行： [root@ceshi ~]# sort -u sort.txt aaa:10:1.1 bbb:20:2.2 ccc:30:3.3 ddd:40:4.4 eee:50:5.5 或者 [root@ceshi ~]# uniq sort.txt aaa:10:1.1 ccc:30:3.3 ddd:40:4.4 bbb:20:2.2 eee:50:5.5
sort的-n、-r、-k、-t选项的使用：
-n：是按照数字大小排序，
-r是以相反顺序，
-k是指定需要排序的栏位，
-t指定栏位分隔符为冒号
[root@ceshi ~]# cat sort2.txt AAA:BB:CC aaa:30:1.6 ccc:50:3.3 ddd:20:4.2 bbb:10:2.5 eee:40:5.4 eee:60:5.1 #将BB列按照数字从小到大顺序排列： [root@ceshi ~]# sort -nk 2 -t: sort2.txt AAA:BB:CC bbb:10:2.5 ddd:20:4.2 aaa:30:1.6 eee:40:5.4 ccc:50:3.3 eee:60:5.1 #将CC列数字从大到小顺序排列 [root@ceshi ~]# sort -nk 3 -t: sort2.txt AAA:BB:CC aaa:30:1.6 bbb:10:2.5 ccc:50:3.3 ddd:20:4.2 eee:60:5.1 eee:40:5.4 #-n：是按照数字大小排序，-r是以相反顺序，-k是指定需要排序的栏位，-t指定栏位分隔符为冒号
-k选项的具体语法格式：
FStart.CStart Modifie,FEnd.CEnd Modifier -------Start--------,-------End-------- FStart.CStart 选项,FEnd.CEnd 选项
这个语法格式可以被其中的逗号,分为两大部分，Start部分和End部分。Start部分也由三部分组成，其中的Modifier部分就是我们之前说过的类似n和r的选项部分。我们重点说说Start部分的FStart和C.Start。C.Start也是可以省略的，省略的话就表示从本域的开头部分开始。FStart.CStart，其中FStart就是表示使用的域，而CStart则表示在FStart域中从第几个字符开始算“排序首字符”。同理，在End部分中，你可以设定FEnd.CEnd，如果你省略.CEnd，则表示结尾到“域尾”，即本域的最后一个字符。或者，如果你将CEnd设定为0(零)，也是表示结尾到“域尾”。
例子：从公司英文名称的第二个字母开始进行排序
[root@ceshi ~]# cat company.txt sohu 100 3000 google 100 4000 baidu 105 3000 guge 105 2500 #从公司英文名称的第二个字母开始进行排序 [root@ceshi ~]# sort -t ' ' -k 1.2 company.txt baidu 105 3000 sohu 100 3000 google 100 4000 guge 105 2500 #从公司英文名称的第三个字母开始进行排序 [root@ceshi ~]# sort -t ' ' -k 1.3 company.txt guge 105 2500 sohu 100 3000 baidu 105 3000 google 100 4000 第1个域 第2个域 第3个域
使用-k 1.2 ，表示对第1个域的第2个字符进行公司名字的排序。
只针对公司英文名称的第2个字母进行排序，如果有相同的就按照工资进行降序排序：
[root@ceshi ~]# sort -t ' ' -k 1.2,1.2 -nrk 3,3 company.txt google 100 4000 sohu 100 3000 baidu 105 3000 guge 105 2500
-k 1.2,1.2 代表只针对第2个字母进行排序。如果写成-k 1.2那，就意味着将对从第2个字母起到本域最后一个字符为止的字符串进行排序。
-k 3,3 代表只针对第3个域进行排序。如果写成-k 3那，就意味着将对从第3个域开始字母起到本域最后一个字符为止的字符串进行排序。
uniq命令
名字解释
uniq命令 用于报告或忽略文件中的重复行，一般与sort命令结合使用。
语法
uniq (选项) (参数)
选项
- -c或--count：在每列旁边显示该行重复出现的次数；
- -d或--repeated：仅显示重复出现的行列；
- -f<栏位>或--skip-fields=<栏位>：忽略比较指定的字符；
- -s<字符位置>或--skip-chars=<字符为止>：忽略比较指定的字符；
- -u或--unique：仅显示出一次的行列；
- -w<字符位置>或--check-chars=<字符位置>：指定要比较的字符。
参数
输入文件：指定要去除的重复行文件。如果不指定选项，则从标准读取数据；
输出文件：指定要去除重复行后的内容要写入的输出文件。如果不指定选项，则将内容显示到标准输出设备。
实例
删除重复行：
[root@ceshi ~]# cat repeat.txt aaaaaaaaaaaa aaaaaaaaaaaa bbbbbbbbbbbbbb bbbbbbbbbb cccccccccccccc cccccccc dddddddddddd dddddddddddd #方法一： [root@ceshi ~]# uniq repeat.txt aaaaaaaaaaaa bbbbbbbbbbbbbb bbbbbbbbbb cccccccccccccc cccccccc dddddddddddd #方法二： [root@ceshi ~]# sort repeat.txt | uniq aaaaaaaaaaaa bbbbbbbbbb bbbbbbbbbbbbbb cccccccc cccccccccccccc dddddddddddd #方法三： [root@ceshi ~]# sort -u repeat.txt aaaaaaaaaaaa bbbbbbbbbb bbbbbbbbbbbbbb cccccccc cccccccccccccc dddddddddddd
只显示单一行
#方法一： [root@ceshi ~]# uniq -u repeat.txt bbbbbbbbbbbbbb bbbbbbbbbb cccccccccccccc cccccccc #方法二： [root@ceshi ~]# sort repeat.txt | uniq -u bbbbbbbbbb bbbbbbbbbbbbbb cccccccc cccccccccccccc
[root@ceshi ~]# sort repeat.txt | uniq -c
2 aaaaaaaaaaaa
1 bbbbbbbbbb
1 bbbbbbbbbbbbbb
1 cccccccc
1 cccccccccccccc
2 dddddddddddd
在文件中找出重复的行：
[root@ceshi ~]# sort repeat.txt | uniq -d aaaaaaaaaaaa dddddddddddd
