【工作必备知识】Linux系统sort排序与uniq去重

工作中数据太多太杂，不便于查看分析。这时是可以采用sort将数据排序，同时可以配合uniq命令进行去重。

场景：云平台中，日常工作包含巡检工作，是通过事先编写好的巡检脚本去检测云平台的和Node节点（Linux系统）的健康情况。有问题的信息会打印保存在日志中，这里面包含了很多IP（Node），而且具有大量重复IP（成百上千个IP等）。

为了定位到哪些Node节点存在问题以及都有什么问题。为了便于分析查看，需要对其IP进行排序以及去重处理。

sort 命令

sort 命令用于对文本数据进行排序

基本语法

1sort [选项]... [文件名]

如果没有指定文件名，sort 命令会从标准输入（stdin）读取数据，这使得它能够方便地与其他命令通过管道（|）组合使用

常用选项

• -n：按数值大小进行排序
• -r 或 --reverse：逆序排序
• -t：指定分隔符，用于字段排序（例如 -t',' 使用逗号作为分隔符）
• -k：指定排序的字段，格式为 -kN[,M]，其中 N 是字段编号，M 可选，表示排序结束的字段，可以用于排序跨越多个字段
• -u 或 --unique：输出唯一行，去除重复行
• -m 或 --merge：合并已排序的文件
• -o：将排序结果输出到文件而不是标准输出，例如 -o sorted.txt

示例

• 简单排序：按字母顺序排序文件内容

  $ cat file.txt
  d
  c
  b
  a
  h
  e
  # 字母顺序
  $ sort file.txt
  a
  b
  c
  d
  e
  h
  

• 数值排序：按数值从小到大排序

  $ cat values.txt
  23
  123
  456
  88
  21
  3
  # 按数值从小到大排序
  $ sort -n values.txt
  3
  21
  23
  88
  123
  456
  

• 逆序排序：按字母顺序逆序排序

  $ cat file.txt
  d
  c
  b
  a
  h
  j
  e
  q
  e
  # 按字母顺序逆序排序
  $ sort -r file.txt
  q
  j
  h
  e
  e
  d
  c
  b
  a
  

• 字段排序：按文件中第二列排序

  $ cat students.txt
  Alice,90
  Bob,85
  Charlie,92
  David,88
  Eva,95
  Alice,87
  # 按文件中第二列排序
  $ sort -t ',' -n -k2 students.txt
  Bob,85
  Alice,87
  David,88
  Alice,90
  Charlie,92
  Eva,95
  

• 去重并排序：先去重后排序

  $ sort -u input.txt | sort
  2
  3
  e
  # 先去重后排序
  $ cat input.txt
  e
  e
  2
  2
  3
  3
  

uniq 命令

uniq 命令，用于去除文件中的重复内容行

基本用法

• 语法:

  uniq [选项]... [输入文件]
  

• 特点:

  • 默认情况下，**uniq 只能识别并处理相邻的重复行**。这意味着在处理文件之前，如果要删除所有重复行而不考虑它们的位置，通常需要先使用 sort 命令对文件进行排序。
  • 如果不指定输入文件，uniq 会从标准输入（stdin）读取数据，这使得它能很好地与其他命令通过管道（|）结合使用。

常用选项

• -c 或 --count：在每行前加上该行在输入中出现的次数。
• -d 或 --repeated：只显示重复的行。
• -u 或 --unique：只显示唯一的行，即不重复的行。
• -i 或 --ignore-case：忽略大小写差异。
• -f N 或 --skip-fields=N：跳过每行开始的N个字段。
• -s N 或 --skip-chars=N：跳过每行开始的N个字符。
• -w N 或 --check-chars=N：仅比较每行的前N个字符。

示例

1. 删除相邻的重复行：

   $ cat  input.txt
   e
   e
   2
   2
   3
   3
   # 删除相邻的重复行
   $ uniq input.txt
   e
   2
   3
   

2. 统计每行出现次数：

   $ cat  input.txt
   e
   e
   2
   2
   3
   3
   $ uniq -c input.txt
         2 e
         2 2
         2 3
   

3. 只显示唯一的行：

   $ cat input.txt
   e
   e
   2
   2
   3
   3
   ww
   # 只显示唯一的行
   $ uniq -u input.txt
   ww
   

4. 结合 sort 去除所有重复行：

   $ cat data.txt
   apple
   banana
   orange
   apple
   grape
   banana
   cherry
   
   # 结合 sort 去除所有重复行
   $ sort data.txt | uniq > unique_data.txt
   $ cat unique_data.txt
   apple
   banana
   cherry
   grape
   orange
   

5. 忽略大小写去重：

   $ cat names.txt
   Alice
   alice
   Bob
   bob
   Charlie
   charlie
   Alice
   # 忽略大小写去重
   $ sort -f names.txt | uniq -i
   Alice
   Bob
   Charlie
   

End