bash：如果字段相等，则 grep 行答案

【问题标题】：bash: grep row if fields are equalbash：如果字段相等，则 grep 行
【发布时间】：2021-02-09 21:40:06
【问题描述】：

我需要通过检查系统中的所有 CSV 文件来查找所有列中具有相同内容的所有行。示例：

MYCOL;1;2;3;4
MYCOL2;2;3;4;5
MYCOL3;1;1;1;1
MYCOL4;;;;

在我的示例中，我需要对 MYCOL3 和 MYCOL4 进行 grep，因为它们对于所有列都有相同的字段内容，如果没有内容也没关系。

我想过这样的事情：

find / -name *.csv | xargs awk -F "," '{col[$1,$2]++} END {for(i in col) print i, col[i]}'

但我错过了所有列之间的比较。

【问题讨论】：

标签： regex awk find cut

【解决方案1】：

您可以使用grep 命令：

$ grep -xE '[^;]*(;[^;]*)\1+' ip.txt
MYCOL3;1;1;1;1
MYCOL4;;;;

-x 只匹配整行
[^;]* 第一个字段
(;[^;]*) 捕获 ; 后跟非 ; 字符（即第二个字段）
\1+ 使用捕获的字段根据需要重复多次，直到行尾

如果输入只有 ASCII 字符，您可以使用LC_ALL=C grep <...> 更快地获得结果。

如果你有GNU grep，你可以使用-r选项和--include=选项代替find+grep

另外，使用find <...> -exec grep <...> {} + 而不是find + xargs

刚刚做了一个示例速度检查，这个正则表达式可能太糟糕了，无法与 BRE/ERE 一起使用。如果可用，请使用grep -P。否则，请使用awk 或perl。

$ perl -0777 -ne 'print $_ x 1000000' ip.txt | shuf > f1
$ du -h f1
53M    f1

$ time LC_ALL=C grep -xE '[^;]*(;[^;]*)\1+' f1 > t1
real    0m44.815s

$ time LC_ALL=C grep -xP '[^;]*(;[^;]*)\1+' f1 > t2
real    0m0.507s

$ time perl -ne 'print if /^[^;]*(;[^;]*)\1+$/' f1 > t3
real    0m3.973s

$ time LC_ALL=C awk -F ';' '{for (i=3; i<=NF; i++) if ($i != $2) next} 1' f1 > t4
real    0m2.728s

$ diff -sq t1 t2
Files t1 and t2 are identical
$ diff -sq t1 t3
Files t1 and t3 are identical
$ diff -sq t1 t4
Files t1 and t4 are identical

【讨论】：

【解决方案2】：

使用awk 的非正则表达式方法：

awk -F ';' '{for (i=3; i<=NF; i++) if ($i != $2) next} 1' file

MYCOL3;1;1;1;1
MYCOL4;;;;

【讨论】：

【解决方案3】：

另一个 awk

$ awk -F";" -v OFS=";" ' { a=$0; $1=""; c=split($0,ar,$2); if(length($0)==NF-1 || c==NF) print a } ' gipsy.txt
MYCOL3;1;1;1;1
MYCOL4;;;;
$

【讨论】：