uniqcomando de Linux recorre rápidamente sus archivos de texto en busca de líneas únicas o duplicadas. En esta guía, cubrimos su versatilidad y características, así como también cómo puede aprovechar al máximo esta ingeniosa utilidad.Encontrar líneas de texto coincidentes en Linux
El uniqcomando es rápido, flexible y excelente en lo que hace. Sin embargo, como muchos comandos de Linux, tiene algunas peculiaridades, lo cual está bien, siempre y cuando los conozca. Si da el paso sin un poco de conocimiento interno, bien podría quedarse rascándose la cabeza con los resultados. Señalaremos estas peculiaridades a medida que avanzamos.
El uniqcomando es perfecto para aquellos en el campo de un solo propósito, diseñado para hacer una cosa y hacerlo bien. Es por eso que también es particularmente adecuado para trabajar con tuberías y desempeñar su papel en las tuberías de comando. Uno de sus colaboradores más frecuentes es sort porque uniq tiene que tener input ordenado sobre el que trabajar.
¡Vamos a encenderlo!
Ejecutando uniq sin opciones
Tenemos un archivo de texto que contiene la letra de Robert Johnson canción Creo que voy a polvo mi escoba. Veamos qué uniqhace con eso.
Escribiremos lo siguiente para canalizar la salida a less:
uniq dust-my-broom.txt | Menos
Obtenemos la canción completa, incluidas las líneas duplicadas, en less:
Eso no parece ser ni las líneas únicas ni las líneas duplicadas.
Correcto, porque esta es la primera peculiaridad. Si ejecuta uniqsin opciones, se comporta como si hubiera utilizado la -uopción (líneas únicas). Esto le dice uniqque imprima solo las líneas únicas del archivo. La razón por la que ve líneas duplicadas es porque, para uniq considerar una línea como un duplicado, debe estar adyacente a su duplicado, que es donde sortentra en juego.
Cuando ordenamos el archivo, agrupa las líneas duplicadas y las uniq trata como duplicadas. Usaremos sort en el archivo, canalizaremos la salida ordenada uniqy luego canalizaremos la salida final a less.
Para hacerlo, escribimos lo siguiente:
ordenar polvo-mi-escoba.txt | uniq | Menos
Aparece una lista ordenada de líneas less.
La línea, "Creo que quitaré el polvo de mi escoba", definitivamente aparece en la canción más de una vez. De hecho, se repite dos veces en las primeras cuatro líneas de la canción.
Entonces, ¿por qué aparece en una lista de líneas únicas? Debido a que la primera vez que aparece una línea en el archivo, es única; solo las entradas posteriores son duplicadas. Puede pensar en ello como una lista de la primera aparición de cada línea única.
Usemos de sortnuevo y redirigamos la salida a un nuevo archivo. De esta manera, no tenemos que usarlo sorten todos los comandos.
Escribimos el siguiente comando:
ordenar polvo-mi-escoba.txt> sorted.txt
Ahora, tenemos un archivo preordenado para trabajar.
Contando duplicados
Puede utilizar la -copción (recuento) para imprimir el número de veces que aparece cada línea en un archivo.
Escriba el siguiente comando:
uniq -c sorted.txt | Menos
Cada línea comienza con la cantidad de veces que esa línea aparece en el archivo. Sin embargo, notará que la primera línea está en blanco. Esto le indica que hay cinco líneas en blanco en el archivo.
Si desea que la salida se clasifique en orden numérico, puede alimentar la salida desde uniqen sort. En nuestro ejemplo, usaremos las opciones -r(inversa) y -n(ordenación numérica) y canalizaremos los resultados a less.
Escribimos lo siguiente:
uniq -c sorted.txt | sort -rn | Menos
La lista está ordenada en orden descendente según la frecuencia de aparición de cada línea.
Listar solo líneas duplicadas
Si desea ver solo las líneas que se repiten en un archivo, puede usar la -dopción (repetidas). No importa cuántas veces se duplica una línea en un archivo, solo aparece una vez.
Para usar esta opción, escribimos lo siguiente:
uniq -d sorted.txt
Las líneas duplicadas se enumeran para nosotros. Notará la línea en blanco en la parte superior, lo que significa que el archivo contiene líneas en blanco duplicadas; no es un espacio dejado uniqpara compensar cosméticamente la lista.
También podemos combinar las opciones -d(repetido) y -c(contar) y canalizar la salida sort. Esto nos da una lista ordenada de las líneas que aparecen al menos dos veces.
Escriba lo siguiente para usar esta opción:
uniq -d -c sorted.txt | sort -rn
Listado de todas las líneas duplicadas
Si desea ver una lista de cada línea duplicada, así como una entrada por cada vez que aparece una línea en el archivo, puede usar la -Dopción (todas las líneas duplicadas).
Para utilizar esta opción, escriba lo siguiente:
uniq -D sorted.txt | Menos
El listado contiene una entrada para cada línea duplicada.
Si usa la --group opción, imprime cada línea duplicada con una línea en blanco antes ( prepend) o después de cada grupo ( append), o antes y después ( both) de cada grupo.
Estamos usando append como nuestro modificador, así que escribimos lo siguiente:
uniq --group = append sorted.txt | Menos
Los grupos están separados por líneas en blanco para facilitar su lectura.
Comprobación de cierto número de caracteres
De forma predeterminada, uniqcomprueba la longitud completa de cada línea. Sin embargo, si desea restringir las comprobaciones a un cierto número de caracteres, puede utilizar la -wopción (comprobar caracteres).
En este ejemplo, repetiremos el último comando, pero limitaremos las comparaciones a los primeros tres caracteres. Para hacerlo, escribimos el siguiente comando:
uniq -w 3 --group = agregar sorted.txt | Menos
Los resultados y agrupaciones que recibimos son bastante diferentes.
Todas las líneas que comienzan con "I b" se agrupan porque esas partes de las líneas son idénticas, por lo que se consideran duplicadas.
Del mismo modo, todas las líneas que comienzan con "I'm" se tratan como duplicadas, incluso si el resto del texto es diferente.
Ignorar cierto número de caracteres
Hay algunos casos en los que puede resultar beneficioso omitir una determinada cantidad de caracteres al principio de cada línea, como cuando las líneas de un archivo están numeradas. O digamos que necesita uniqsaltar una marca de tiempo y comenzar a verificar las líneas desde el carácter seis en lugar de desde el primer carácter.
A continuación se muestra una versión de nuestro archivo ordenado con líneas numeradas.
Si queremos uniqcomenzar sus comprobaciones de comparación en el carácter tres, podemos usar la -sopción (omitir caracteres) escribiendo lo siguiente:
uniq -s 3 -d -c numerado.txt
Las líneas se detectan como duplicadas y se cuentan correctamente. Observe que los números de línea que se muestran son los de la primera aparición de cada duplicado.
También puede omitir campos (una serie de caracteres y algunos espacios en blanco) en lugar de caracteres. Usaremos la -fopción (campos) para decir uniqqué campos ignorar.
Escribimos lo siguiente para decirle uniqque ignore el primer campo:
uniq -f 1 -d -c numerado.txt
Obtenemos los mismos resultados que obtuvimos cuando dijimos uniqque omitiéramos tres caracteres al comienzo de cada línea.
Ignorando el caso
De forma predeterminada, uniqdistingue entre mayúsculas y minúsculas. Si la misma letra aparece en mayúscula y en minúsculas, uniq considera que las líneas son diferentes.
Por ejemplo, consulte el resultado del siguiente comando:
uniq -d -c sorted.txt | sort -rn
Las líneas "Creo que quitaré el polvo de mi escoba" y "Creo que quitaré el polvo de mi escoba" no se tratan como duplicadas debido a la diferencia en el caso de la "B" en "creer".
Sin embargo, si incluimos la -iopción (ignorar mayúsculas y minúsculas), estas líneas se tratarán como duplicadas. Escribimos lo siguiente:
uniq -d -c -i sorted.txt | sort -rn
Las líneas ahora se tratan como duplicadas y se agrupan.
Linux pone a tu disposición multitud de utilidades especiales. Como muchos de ellos, uniqno es una herramienta que usará todos los días.
Es por eso que una gran parte de convertirse en un experto en Linux es recordar qué herramienta resolverá su problema actual y dónde puede encontrarla nuevamente. Sin embargo, si practicas, estarás bien encaminado.
O siempre puede buscar How-To Geek; probablemente tengamos un artículo al respecto.
0 Comentarios