文件内容去重及排序

本文将使用 php 和 linux sort 命令两种方法，分别实现文件内容去重及排序，并提供完成演示代码。
 

1.创建测试文件

写入1000000个数字，每行一个数字

<?php$file = 'user_id.txt';$num = 1000000;$tmp = '';for($i=0; $i<$num; $i++){    $tmp .= mt_rand(0,999999).PHP_EOL;    if($i>0 && $i%1000==0 || $i==$num-1){        file_put_contents($file, $tmp, FILE_APPEND);        $tmp = '';    }}?>

查看文件行数

wc -l user_id.txt 1000000 user_id.txt

2.php实现去重及排序

因要处理1000000行数据，因此将php可使用的内存设置为256m，防止执行过程中内存不足。

<?php/** * 文件内容去重及排序 * @param String $source    源文件 * @param String $dest      目标文件 * @param String $order     排序顺序 * @param Int    $sort_flag 排序类型 */function fileUniSort($source, $dest, $order='asc', $sort_flag=SORT_NUMERIC){    // 读取文件内容    $file_data = file_get_contents($source);    // 文件内容按行分割为数组    $file_data_arr = explode(PHP_EOL, $file_data);    // 去除空行数据    $file_data_arr = array_filter($file_data_arr, 'filter');    // 去重    $file_data_arr = array_flip($file_data_arr);    $file_data_arr = array_flip($file_data_arr);    // 排序    if($order=='asc'){        sort($file_data_arr, $sort_flag);    }else{        rsort($file_data_arr, $sort_flag);    }    // 数组合拼为文件内容    $file_data = implode(PHP_EOL, $file_data_arr).PHP_EOL;    // 写入文件    file_put_contents($dest, $file_data, true);}// 过滤空行function filter($data){    if(!$data && $data!=='0'){        return false;    }    return true;}// 设置可使用内存为256mini_set('memory_limit', '256m');$source = 'user_id.txt';$dest = 'php_sort_user_id.txt';fileUniSort($source, $dest);?>

查看去重及排序后的文件

wc -l php_sort_user_id.txt   632042 php_sort_user_id.txthead php_sort_user_id.txt 012357891112...

3.linux sort命令实现去重及排序

linux sort命令用于文本文件按行排序

格式：

sort [OPTION]... [FILE]...

 
参数说明：

-u 去重
-n 数字排序类型
-r 降序
-o 输出文件的路径
 
使用sort执行去重及排序

sort -uno linux_sort_user_id.txt user_id.txt

 
查看去重及排序后的文件

wc -l linux_sort_user_id.txt   632042 linux_sort_user_id.txthead linux_sort_user_id.txt 012357891112...

 
总结：使用php或linux sort命令都可以实现文件去重及排序，执行时间上相差不大，但建议对于文件类的操作，直接使用系统命令实现更为简单。