立即登录 马上注册
首页 › 开发帮助文档 › 服务系统 › Linux下删除大数据文件中部分字段重复行的方法 ...

赞

评论

收藏

[Linux] Linux下删除大数据文件中部分字段重复行的方法

服务系统 服务系统 发布于：2021-10-03 20:56 | 阅读数：228 | 评论：0

找来找去linux下也没找到合适的工具，sed/gawk等流处理工具只能针对一行一行处理，并无法找到字段重复的行。看来只好自己python一个程序了，突然想起来利用mysql，于是进行乾坤大挪移
最近写的一个数据采集程序生成了一个含有1千多万行数据的文件，数据由4个字段组成，按照要求需要删除第二个字段重复的行，找来找去linux下也没找到合适的工具，sed/gawk等流处理工具只能针对一行一行处理，并无法找到字段重复的行。看来只好自己python一个程序了，突然想起来利用mysql，于是进行乾坤大挪移：

1. 利用mysqlimport --local dbname data.txt导入数据到表中，表名要与文件名一致
2. 执行下列sql语句(要求唯一的字段为uniqfield） 
use dbname; 
alter table tablename add rowid int auto_increment not null; 
create table t select min(rowid) as rowid from tablename group by uniqfield; 
create table t2 select tablename .* from tablename,t where tablename.rowid= t.rowid; 
drop table tablename; 
rename table t2 to tablename;
关注下面的标签，发现更多相似文章
免责声明：

1. 本站所有资源来自网络搜集或用户上传，仅作为参考不担保其准确性！

2. 本站内容仅供学习和交流使用，版权归原作者所有！© 查看更多

3. 如有内容侵害到您，请联系我们尽快删除，邮箱：kf@codeae.com

分享到： QQ好友和群QQ好友和群 QQ空间QQ空间

举报

返回列表
相关帖子
avatar
3335 经验
3329 文档
OPNE在线字典
  • 手机版| 免责声明|
2021-2025  版权所有：CodeAE代码之家   
粤ICP备2023096576号-2