在 gzip 文件的列中查找唯一项目答案

【问题标题】：Find uniq items in column of gzip file在 gzip 文件的列中查找唯一项目
【发布时间】：2016-02-18 13:54:03
【问题描述】：

我想在我的 gzip 文件的一列中返回唯一项目的数量。要对普通文件进行排序，我知道您可以使用以下内容：

sort -u -t, -k1,1 filename | wc -l

但是当我在 gzip 文件上运行它时，我得到：

?BC??\ks?ʑ???

如果给定一个 gzip 文件，是否可以更改此格式以查找列中的唯一项目？

【问题讨论】：

【解决方案1】：

好吧，我真的想通了！

gzcat vcf_del.vcf.gz | cut -f 2 | sort | uniq | wc -l（zcat 也可以）

然后，如果您不想要文件的某些部分（例如在 VCF 文件中，有一系列带有“#”的行），您可以简单地删除它们：

gzcat vcf_del.vcf.gz | awk '!/^#/{print $0}' | cut -f 2 | sort | uniq | wc -l

【讨论】：

【解决方案2】：

gzip 程序包附带 zcat 程序，它的工作方式与 cat 类似，但适用于 gz 文件。

zcat filename | sort -u -t -k1,1

【讨论】：

【解决方案3】：

你不能在压缩文件上运行搜索和排序命令，你必须提取压缩文件然后在 gzip 命令的输出上运行你的命令。

你可以试试下面的命令

gunzip -c filename | sort -u -t -k1,1

【讨论】：