Linuxでテキストファイルの重複行を抽出・削除する方法（uniqコマンド）

Linuxではuniqコマンドとsortコマンドを使用して、テキストファイルの重複行を抽出・削除することができます。
ここではそのやり方を紹介します。

環境

• OS：CentOS Linux release 8.1.1911

[root@centos8 work]# cat /etc/redhat-release
CentOS Linux release 8.1.1911 (Core)
[root@centos8 work]#

1. uniqコマンド

uniqコマンドの書式は以下の通りです。

uniq [オプション]... [入力ファイル [出力ファイル]]

uniqコマンドの主なオプションは以下の通りです。

オプション	長いオプション	内容
-c	--count	各行の前に重複回数を出力する
-u	--unique	重複していない行だけを出力する
-d	--repeated	重複した行だけを出力する
-D	--all-repeated	重複した行を全て出力する
-i	--ignore-case	比較時に大文字と小文字の違いを無視する
-w N	--check-chars=N	行の比較を最初のN文字で行う
-s N	--skip-chars=N	最初のN文字を比較しない
-f N	--skip-fields=N	最初のN個のフィールドを比較しない
-z	--zero-terminated	最後にNULL文字を出力する

2. 重複行を抽出

重複行を抽出する場合、以下のコマンドを使用します。
uniq -d <ファイル名>

以下、試してみます。

以下のファイルがあるとします。

sample01.txt

Java
HTML
HTML
JavaScript
JavaScript
Tomcat
Apache

2, 3行目の「HTML」、4, 5行目の「JavaScript」が重複しています。

ここで、以下のコマンドを実行すると、重複行だけ表示されます。

uniq -d sample01.txt

実行結果

[root@centos8 work]# uniq -d sample01.txt
HTML
JavaScript
[root@centos8 work]#

ファイルに出力する場合、以下のコマンドを実行します。

uniq -d sample01.txt <出力ファイル>

実行結果

[root@centos8 work]# uniq -d sample01.txt result01.txt
[root@centos8 work]# cat result01.txt
HTML
JavaScript
[root@centos8 work]#

3. 重複行を削除

重複行を削除する場合、以下のコマンドを使用します。
uniq <ファイル名>

以下、試してみます。

同じく、以下のファイルがあるとします。

sample01.txt

Java
HTML
HTML
JavaScript
JavaScript
Tomcat
Apache

2, 3行目の「HTML」、4, 5行目の「JavaScript」が重複しています。

ここで、以下のコマンドを実行すると、重複行が削除されて表示されます。

uniq sample01.txt

実行結果

[root@centos8 work]# uniq sample01.txt
Java
HTML
JavaScript
Tomcat
Apache
[root@centos8 work]#

ファイルに出力する場合、以下のコマンドを実行します。

uniq sample01.txt <出力ファイル>

実行結果

[root@centos8 work]# uniq sample01.txt result02.txt
[root@centos8 work]# cat result02.txt
Java
HTML
JavaScript
Tomcat
Apache
[root@centos8 work]#

次に以下のファイルがあるとします。

sample02.txt

Java
HTML
HTML
JavaScript
JavaScript
HTML
Tomcat
Apache

2, 3, 6行目の「HTML」、4, 5行目の「JavaScript」が重複しています。

ここで
uniq sample02.txt
を実行すると以下となります。

実行結果

[root@centos8 work]# uniq sample02.txt
Java
HTML
JavaScript
HTML
Tomcat
Apache
[root@centos8 work]#

「HTML」の文字が2回表示されます。
連続している重複（2,3行目の「HTML」）は取り除かれますが、離れている重複行（6行目の「HTML」）は削除されません。
この場合、sortコマンドでソートしてあと、uniqコマンドで重複行を削除します。

sort sample02.txt | uniq

実行結果

[root@centos8 work]# sort sample02.txt | uniq
Apache
HTML
Java
JavaScript
Tomcat
[root@centos8 work]#

順番は変わってしますが、重複行は削除されました。

ファイルに出力する場合、以下のコマンドを実行します。

sort sample02.txt | uniq > <出力ファイル>

実行結果

[root@centos8 work]# sort sample02.txt | uniq > result03.txt
[root@centos8 work]# cat result03.txt
Apache
HTML
Java
JavaScript
Tomcat
[root@centos8 work]#

参考

• 【 uniq 】コマンド――重複している行を削除する：Linux基本コマンドTips（64） - ＠IT
• 【uniq】Linuxで重複した行を抽出・削除するコマンド