用於根據 CSV 文件中特定列中的條目刪除行的腳本

Question

我有一個這樣結構的文件（制表符分隔）：

HEADER_1    HEADER_2
entry_A     entry_A
entry_B     entry_C
entry_A     entry_D
entry_D     entry_A

我需要做的是：每次第一列中的條目出現在第二列中時（在任何時候）刪除條目出現的整行

期望的輸出：

HEADER_1    HEADER_2
entry_B     entry_C
entry_A     entry_D

我嘗試使用Sort-Object -Unique但輸出不正確，它只是刪除了重復的行

Answer 1

要輸出 Header_2 從不包含來自所有 Header_1 值的條目的行，您可以執行以下操作：

Windows PowerShell：

$data = Import-Csv file.csv -Delimiter "`t"
($data | where Header_1 -notin $data.Header_2 |
    ConvertTo-Csv -NoType -Delimiter "`t") -replace '^"|"$|"(\t)"','$1' |
        Set-Content file.csv

PowerShell 7：

$data = Import-Csv file.csv -Delimiter "`t"
$data | where Header_1 -notin $data.Header_2 |
    Export-Csv -NoType -Delimiter "`t" -UseQuotes AsNeeded

---

我覺得你想要做的是輸出 Header_2 尚未作為 Header_1 值出現的行，這意味着你忽略了未來的 Header_1 值。

$list = [system.collections.generic.list[string]]@()
(Import-Csv file.csv -delimiter "`t" | Foreach-Object {
    $list.Add($_.Header_1)
    if ($_.Header_2 -notin $list) { 
        $_ 
    }
} | ConvertTo-Csv -NoType -Delimiter "`t") -replace '^"|"$|"(\t)"','$1' |
        Set-Content file.csv

您可以在不使用*-Csv命令的情況*-Csv一條路線，然后您就不必處理 PowerShell 非核心版本的限定文本。

$list = [system.collections.generic.list[string]]@()
Get-Content file.csv | Foreach-Object {
    $h1,$h2 = $_ -split '\t'
    $list.Add($h1)
    if ($h2 -notin $list) { 
        $_ 
    }
} | Set-Content file.csv

Answer 2

您還可以使用 .NET System.Collections.Generic.HashSet類通過Contains()進行 O(1) 查找：

$data = Import-Csv -Path file.csv -Delimiter "`t"

$hashSet = New-Object -TypeName System.Collections.Generic.HashSet[string]

$keep = @()
foreach ($row in $data) 
{
    $hashSet.Add($row.HEADER_1)
    if (-not($hashSet.Contains(($row.HEADER_2))))
    {
        $keep += $row
    }
}

$keep | Export-Csv -Path file.csv -Delimiter "`t" -NoTypeInformation

這會產生一個新的file.csv ：

"HEADER_1"  "HEADER_2"
"entry_B"   "entry_C"
"entry_A"   "entry_D"