Question

如果您有一个包含多列的CSV /文本文件，即

domain, user
abc.com.au, Bob
abc.com.au, Marley
abc.com.au, Someone
nexle.dk, Daniel
nexle.dk, Dan
nexle.dk, John
nexle.dk, Doe
google.com, Larry
google.com, Sergey

如何通过第1列（域）获得前2个条目？

Answer 1

我在Linux / Mac shell脚本解决方案上寻找年龄（查看awk，curl，sort，uniq等），但似乎不能轻易自己做，所以这是我写的一个应用程序：

https://github.com/danieliversen/MiscStuff/blob/master/scripts/findTopUniques.java

基本上，如果你想获得前X个唯一条目，一旦你使用'sort'或其他任何东西对文件进行排序..它的Java可以在任何平台上运行（只需要用JDK编译 - 不不需要任何第三方图书馆。

Answer 2

如果您的输入文件（例如domname.csv）已将所有域分组在连续的行上（如您的示例所示），则：

$ tail -n +2 domname.csv | awk -F, 'BEGIN{dom=""; n=1} $1==dom && n<2 {print; n++} $1!=dom {print; dom=$1; n=1}'

制作（来自你的例子）：

abc.com.au, Bob
abc.com.au, Marley
nexle.dk, Daniel
nexle.dk, Dan
google.com, Larry
google.com, Sergey

在此解决方案中，tail只是为了摆脱标题（domain, user），而awk命令将分隔逗号上的每一行（-F,），然后在第一次看到一个域（第一个字段$1）时打印一行（设置计数n=1和dom）;或者2）如果它在前一行（$1==dom）和n<2中看到了域，则递增n（到2），这样就不会打印出更多匹配的行。

如果域没有在连续的行上分组，即它们可以交错，如：

abc.com.au, Bob
nexle.dk, Daniel
abc.com.au, Marley
nexle.dk, Dan

然后，您仍然可以在sort之后但在tail之前使用awk来抢救情况：

$ tail -n +2 domname.csv | sort | awk -F, ...

希望这有帮助。

如何在文本/ CSV文件中为每个唯一的KEY'列'值获得前N行？

2 个答案: