欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  后端开发

去重复

程序员文章站 2022-06-02 13:29:38
...
有一文件里有十几万行数据。。。如何去重复。。。大小写一样的只能算一个。。

回复讨论(解决方案)

行的概念是?
如果100字符/行,20万行也就20~60M而已

file 读进来
array_unique
然后写回去

如果觉得空间不够
就逐行读取求MD5并保存(如果平均行长小于32,占的内存还多些)
同时写入文件
遇到某行的MD5已存在了,这行就不写了

文件结构怎么样?贴一段出来,估计斑竹可以帮你解决。

感觉这玩意不用php,用linux的shell工具会更快

例如

cat file | sort -u > file

如果你还要考虑大小写的问题的话,直接在上面的命令加 -f 既忽略大小写

cat file | sort -u -f > file

相关标签: 去重复