删除“几乎相似”字符串的冗余行

Question

我有以下文件：

ab=5
ac=6
ad=5
ba=5
bc=7
bd=4
ca=5
cb=7
cd=3
...

“ab”和“ba”，“ac”和“ca”，“bc”和“cb”是多余的。如何在bash中消除这些冗余行？

预期产量：

ab=5
ac=6
ad=5
bc=7
bd=4
cd=3

Answer 1

$ awk '{x=substr($0,1,1); y=substr($0,2,1)} !seen[x>y?x y:y x]++' file
ab=5
ac=6
ad=5
bc=7
bd=4
cd=3

Answer 2

短awk解决方案：

awk '{ c1=substr($0,1,1); c2=substr($0,2,1) }!a[c1 c2]++ && !((c2 c1) in a)' file

• c1=substr($0,1,1) - 将提取的第一个字符分配给变量c1
• c2=substr($0,2,1) - 将提取的第二个字符分配给变量c2
• !a[c1 c2]++ && !((c2 c1) in a) - 基于“相似”2字符序列之间互斥的关键条件

---

输出：

ab=5
ac=6
ad=5
bc=7
bd=4
cd=3

Answer 3

这里有一个perl，通用解决方案，无论=之前的字符数是多少

$ cat ip.txt
ab=5
ac=6
abd=51
ba=5
bad=23
bc=7
bd=4
ca=5
cb=7
cd=3

$ perl -F= -lane 'print if !$seen{join "",sort split//,$F[0]}++' ip.txt
ab=5
ac=6
abd=51
bc=7
bd=4
cd=3

• 像awk一样，默认情况下未初始化的变量评估为false
• -F=使用=作为字段分隔符，结果保存在@F数组中
• $F[0]将给出第一个字段，即=之前的字符
• split//,$F[0]将给出具有单个字符的数组
• sort默认情况下会进行字符串排序
• 然后，join ""将从已排序的字符中形成单个字符串，并将空字符串作为分隔符
• 有关https://perldoc.perl.org/perlrun.html#Command-Switches和-lane选项的文档，请参阅-F。使用-i进行就地编辑

Answer 4

你可以尝试下面，让我知道，如果这对你有帮助，我已经用GNU awk编写并测试了它。

awk -F'=' '{
split($1,array,"")}
!((array[1],array[2]) in a){
  a[array[1],array[2]];
  a[array[2],array[1]];
  print;
  next
}
!((array[2],array[1]) in a){
  a[array[1],array[2]];
  a[array[2],array[1]];
  print;
}
'   Input_file

输出如下。

ab=5
ac=6
ad=5
bc=7
bd=4
cd=3