一个进程运行了整整一天还没结束,本来应该只需要半天左右就可以全部build完成了,一步一步查原因,发现在uniq处理全角字符的问题上。
先看下面这个现象
[root@localhost build]$ cat text 12580 10086 20086 580 008 5 8 [root@localhost build]$ uniq text 12580 580 5 [root@localhost build]$这个输出,明显不是想要的,这主要是全角字符所带来的问题
在很多数据处理时,可能数据都是来源于用户的输入,所以这时一些全角字符或者是大小写不一致的问题,就随处可见了,大小写的问题很容易想到要处理,全角字符也是需要处理或者设置处理环境的。
uniq命令在判断两个字符串是否相等的时候,和LC_ALL这个环境变量是有很大关系的,如果将其设置为UTF8,那么有可能一些不同的字符被判断为相同的。我们可以把这个环境变量的值设置为C,这样的话uniq就会一个一个字节的对两个字符串进行比较,这也是我们想要的结果和方式。
如下:
[root@localhost build]$ export LC_ALL=C [root@localhost build]$ uniq text 12580 10086 20086 580 008 5 8 [root@localhost build]$