Question

我有一个格式如下的文件：

text   number   number   A;A;A;A;A;A
text   number   number   B
text   number   number   C;C;C;C;D;C;C;C;C

我想要做的是删除第四列中条目的所有重复以最终结果：

text   number   number   A
text   number   number   B
text   number   number   C;D

我更喜欢使用bash脚本来获得一个解决方案，以适应我正在对此文件进行其他文本操作的管道。

谢谢！

Answer 1

可以使用awk实现此目的。将字段4拆分为数组使用;第一

awk '{delete z; d=""; split($4,arr,";");for (k in arr) z[arr[k]]=k; for (l in z) d=d";"l; print($1,$2,$3,substr(d, 2))}' file_name

Answer 2

这可能适合你（GNU sed）：

sed 's/.*\s/&\n/;h;s/.*\n//;:a;s/\(\([^;]\).*\);\2/\1/;ta;H;g;s/\n.*\n//' file

Answer 3

假设以制表符分隔的输入，您可以使用GNU parallel进行这样的操作：

parallel -C '\t' c4='$(echo {4} | tr ";" "\n" | sort -u | head -c-1 | tr "\n" ";");' \
                 echo -e '"{1}\t{2}\t{3}\t$c4"' :::: infile

输出：

text    number  number  A
text    number  number  B
text    number  number  C;D

Answer 4

这可能也有用

awk -F";" '{
              delete words
              match($1,/[[:alpha:]]$/)
              words[substr($1,RSTART,RLENGTH)]++
              printf "%s",$1
              for (i=2;i<=NF;i++){
                if (!words[$i]++) printf ";%s",$i
              }
              printf "\n"
           }' file

注意：

由于;用作字段分隔符，因此A;A;A;A;A;A
/[[:alpha:]]$/可以替换为/[^[:space:]]+$/，以匹配多个非空格字符，而不是单个字母。
if (!words[$i]++) printf ";%s",$i打印列/字符（如果它不存在作为关联数组words的键，即如果words[$i]为0。
< / LI>

删除字段中的所有重复条目

4 个答案: