交换文件中的列并删除重复项

使用perl可以很容易地对行中的每个单词进行排序和排序。

#!/usr/bin/perl

foreach(sort map { reorder($_) } <>) {
    print;
}

sub reorder {
    return join(' ', sort { $a cmp $b } split(/\s+/, $_)) . "\n";
}

在perl中:

while($t=<>) {
 @ts=sort split(/\s+/, $t);
 $t1 = join(" ", @ts);
 print $t unless exists $done{$t1};
 $done{$t1}++;
}

或:

cat yourfile | perl -n -e  'print join(" ", sort split) . "\n";' | sort | uniq

我不确定哪一个对大文件性能更好。第一个在内存中生成一个巨大的perl hashmap,第二个调用一个“sort”命令。。。

为了保持原始顺序,awk中提供了一种简单(但不一定快速和/或内存高效)的解决方案:

awk '!seen[$1 " " $2] && !seen[$2 " " $1] { seen[$1 " " $2] = 1; print }

编辑:在ruby中排序可选项:

ruby -n -e 'puts $_.split.sort.join(" ")' | sort | uniq

如果你想移除 二者都

join -v 1 -1 1 <(sort input_file) -v 2 -2 2 <(sort -k 2 input_file) | uniq

awk '($2FS$1 in _){
 delete _[$1FS$2];delete _[$2FS$1]
 next
} { _[$1FS$2] }
END{ for(i in _)  print i } ' file

输出

$ cat file
term1 term2
term3 term4
term2 term1
term5 term3
term3 term5
term6 term7

$ ./shell.sh
term6 term7
term3 term4

如果文件非常长,也许你应该考虑用C/C++编写程序。我认为这将是最快的解决方案(特别是如果您必须处理每一行的所有文件)。用bash函数处理大文件和重复操作会变得非常慢

sed 's/ /\n/g' test.txt | sort -u

[~]
==> cat test.txt
term1 term2
term3 term4
term2 term1
term5 term3
[~]
==> sed 's/ /\n/g' test.txt | sort -u
term1
term2
term3
term4
term5