我有一个文本文件，其结构如下：
P,ABC,DEF
P,GHI,JKL
B,ABC,DEF
B,MNO,PQR
我想要计算字段 2 和 3 相同的行出现的次数，同时保留字段 1。因此，输出将如下所示：
2,P,ABC,DEF
1,P,GHI,JKL
2,B,ABC,DEF
1,B,MNO,PQR
uniq -c不会起作用（据我所知）因为它不能按字段分隔。sort -u -t, -k2,2 -k3,3也不会起作用，因为它不能计数（据我所知）并且写入的命令只会将第三行作为重复项销毁，同时保留第一行。
最终，我需要返回的是第 2 行和第 4 行，因为字段 2 和字段 3 的组合是唯一的。但是，我需要保留字段 1，因为它指的是字段 2 和字段 3 源自哪个数据集（在现实世界中）。因此，我真正需要的是返回第 2 行和第 4 行的解决方案。
因此，以下解决方案同样有效：
P,GHI,JKL
B,MNO,PQR
答案1
根据你的sort命令，我可以委托-u给uniq -u，这样我就可以使用 选项-f。uniq此选项忽略给定数量的前导字段。你想忽略第一个字段，所以-f1。为了使它工作，我需要将每个字段转换,为空白并转回：
<data sort -t, -k2,2 -k3,3 | tr , ' ' | uniq -u -f1 | tr ' ' ,
虽然这适用于您的示例数据集，但当有空白时它会失败。这是因为uniq -f将字段识别为[[:blank:]]*[^[:blank:]]*。如果您的实际数据中有空白，那么它们将uniq识别比您想要的更多的字段。
为了解决这个问题，您需要将实际的空格转换为非空格，执行uniq，然后再转换回来。在 POSIX 语言环境中[:blank:]仅包含空格和制表符；在其他语言环境中可能包含更多。
以下命令暂时将空格转换为 DC1 字符（设备控制 1，八进制021），并将制表符转换为 DC2（设备控制 2，八进制022）：
<data sort -t, -k2,2 -k3,3 | tr ' \t,' '\021\022 ' | uniq -u -f1 | tr '\021\022 ' ' \t,'
如果数据不包含 DC1 或 DC2，它就应该可以工作。
甚至如果你tr不支持多字节字符，转换不会干扰UTF-8的多字节字符，因为UTF-8中多字节字符中每个字节的最高有效位始终为1，而对于DC1或DC2则为0。