awk +过滤日志文件

Question

我使用以下好的awk命令来过滤重复的行

例：

cat LogFile | awk '!seen[$0]++'

问题是，在某些情况下，我们需要过滤重复的行，尽管有些字段不同，但它们并不那么重要

例如

日志文件：

 [INFO],[02/Jun/2014-19:30:45],EXE,ds1a,INHT VERION , 1.4.4.3-08
 [INFO],[02/Jun/2014-19:31:25],EXE,ds1a,INHT VERION , 1.4.4.3-08
 [INFO],[02/Jun/2014-19:32:40],EXE,ds1a,INHT VERION , 1.4.4.3-08

请看一下这个文件 - LogFile

我需要从第三个分隔符“ ， ”中删除重复的行，直到该行的结尾，

而且无论在第三个分隔符之前是什么

所以最后我应该得到这个过滤文件:(应该总是得到列表中的第一个）

    [INFO],[02/Jun/2014-19:30:45],EXE,ds1a,INHT VERION , 1.4.4.3-08

所以请帮我完成我的任务

如何从第三个分隔符“ ， ”过滤LofFile，并忽略字段： [INFO]，[...........]，EXE，

备注 - 植入也可以使用perl one liner line

Answer 1

使用GNU awk for gensub（）：

$ awk '!seen[gensub(/([^,]*,){3}/,"","")]++' file
[INFO],[02/Jun/2014-19:30:45],EXE,ds1a,INHT VERION , 1.4.4.3-08

任何支持RE间隔的awk（大多数现代awks）：

$ awk '{key=$0; sub(/([^,]*,){3}/,"",key)} !seen[key]++' file
[INFO],[02/Jun/2014-19:30:45],EXE,ds1a,INHT VERION , 1.4.4.3-08

Answer 2

使用perl单线程：

perl -lne '$k = s/(.*?,){3}//r; print if !$seen{$k}++' file.log

输出：

[INFO],[02/Jun/2014-19:30:45],EXE,ds1a,INHT VERION , 1.4.4.3-08

说明：

开关 ：

• -l ：启用行结束处理。 （ 仅当最后一行日志文件缺少新行时才需要 ）
• -n ：为输入文件中的每一行创建一个while(<>){..}循环。
• -e ：告诉perl在命令行上执行代码。

代码 ：

• $k = s/(.*?,){3}//r ：将第三个逗号后的所有内容保存在变量$k
• print if !$seen{$k}++ ：如果之前没有看到该键，则打印该行。

Answer 3

使用autosplit的方式略有不同：

perl -aF, -ne'print unless $seen{"@F[3..$#F]"}++' logfile.txt

Answer 4

你可以有：

awk 'BEGIN{FS=OFS=","}{o=$0;$1=$2=$3=""}!seen[$0]++{print o;}' ...