Jak usunąć zduplikowane elementy z CSV lub dowolnego innego pliku w Javie?

Opublikowany: 2021-05-28

Jak usunąć zduplikowane elementy z CSV lub dowolnego innego pliku w Javie?

Znalezienie zduplikowanych wierszy z pliku nie jest trudnym problemem. Ale czasami podczas rozmowy kwalifikacyjnej ludzie czasami są bardzo zdezorientowani co do metody, której muszą użyć.

W tym samouczku omówimy kroki, jak usunąć duplikaty z pliku CSV i dowolnego innego pliku.

Zacznijmy:

Krok 1.

Utwórz plik CrunchifyFindDuplicateCSV .java

Krok 2.

  • Umieść poniższy kod w pliku.
  • Do odczytu plików używamy BufferedReader.
  • Pojedynczo dodaj linie do HashSet.
    • Klasa HashSet implementuje interfejs Set, wspierany przez tabelę skrótów (w rzeczywistości instancję HashMap). Nie daje żadnych gwarancji co do kolejności iteracji zestawu; w szczególności nie gwarantuje, że zamówienie pozostanie niezmienne w czasie. Ta klasa zezwala na element null.
  • Użyj metody add(), aby sprawdzić, czy linia jest już obecna w Set, czy nie.
    • Dodaje określony element do tego zestawu, jeśli nie jest jeszcze obecny. Bardziej formalnie, dodaje określony element e do tego zestawu, jeśli ten zestaw nie zawiera elementu e2 takiego, że Objects.equals(e, e2). Jeśli ten zestaw zawiera już element, wywołanie pozostawia zestaw bez zmian i returns false .
  • Po pominięciu wypiszemy tę linię jako pominiętą linię.

plik crunchify.csv

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
name city number age
kedar kapan 9843875 23
sedai ktm 97798433 23
ayush kalopul 9856324 12
dipal ratopul 9842567 34
malla setiopul 1258496 33
ayush kalopul 9856324 12
babin karki hariyopul 32589 11
raju dhading 58432 44
sedai ktm 97798433 23
 
 
Crunchify , LLC
PayPal . com
Google . com
Twitter . com
FaceBook . com
Crunchify , LLC
Google . com
Visa . com
MasterCard . com
Citi . com
California
Austin
California

CrunchifyFindDuplicateCSV.java

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
package crunchify . com . tutorial ;
 
import java . io . BufferedReader ;
import java . io . FileNotFoundException ;
import java . io . FileReader ;
import java . io . IOException ;
import java . util . HashSet ;
 
/**
* @author Crunchify.com
* How to Remove Duplicate Elements from CSV file in Java?
*/
 
public class CrunchifyFindDuplicateCSV {
 
     public static void main ( String [ ] argv ) {
 
         String crunchifyCSVFile = "/Users/Shared/crunchify.csv" ;
 
         // Reads text from a character-input stream, buffering characters so as to provide for the
         // efficient reading of characters, arrays, and lines.
         BufferedReader crunchifyBufferReader = null ;
         String crunchifyLine = "" ;
 
         // This class implements the Set interface, backed by a hash table (actually a HashMap instance).
         // It makes no guarantees as to the iteration order of the set; in particular, it does not guarantee that the order will
         // remain constant over time. This class permits the null element.
         HashSet < String > crunchifyAllLines = new HashSet < > ( ) ;
 
         try {
             crunchifyBufferReader = new BufferedReader ( new FileReader ( crunchifyCSVFile ) ) ;
             while ( ( crunchifyLine = crunchifyBufferReader . readLine ( ) ) ! = null ) {
                 if ( crunchifyAllLines . add ( crunchifyLine ) ) {
                     crunchifyLog ( "Processed line: " + crunchifyLine ) ;
                 } else if ( ! crunchifyIsNullOrEmpty ( crunchifyLine ) ) {
                     crunchifyLog ( "--------------- Skipped line: " + crunchifyLine ) ;
                 }
             }
         } catch ( FileNotFoundException e ) {
             e . printStackTrace ( ) ;
         } catch ( IOException e ) {
             e . printStackTrace ( ) ;
         } finally {
             if ( crunchifyBufferReader ! = null ) {
                 try {
                     crunchifyBufferReader . close ( ) ;
                 } catch ( IOException e ) {
                     e . printStackTrace ( ) ;
                 }
             }
         }
     }
 
     // Check if String with spaces is Empty or Null
     public static boolean crunchifyIsNullOrEmpty ( String crunchifyString ) {
 
         if ( crunchifyString ! = null && !crunchifyString.trim().isEmpty())
            return false;
         return true ;
     }
 
     // Simple method for system outs
     private static void crunchifyLog ( String s ) {
 
         System . out . println ( s ) ;
     }
 
}
 
// Linux command to remove duplicate lines from file:
// $ sort -u /Users/Shared/crunchify.csv

Uruchommy program Java w IntelliJ IDE.

Oto wynik:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
Processed line : name city number age
Processed line : kedar kapan 9843875 23
Processed line : sedai ktm 97798433 23
Processed line : ayush kalopul 9856324 12
Processed line : dipal ratopul 9842567 34
Processed line : malla setiopul 1258496 33
--------------- Skipped line : ayush kalopul 9856324 12
Processed line : babin karki hariyopul 32589 11
Processed line : raju dhading 58432 44
--------------- Skipped line : sedai ktm 97798433 23
Processed line :
Processed line : Crunchify , LLC
Processed line : PayPal . com
Processed line : Google . com
Processed line : Twitter . com
Processed line : FaceBook . com
--------------- Skipped line : Crunchify , LLC
--------------- Skipped line : Google . com
Processed line : Visa . com
Processed line : MasterCard . com
Processed line : Citi . com
Processed line : California
Processed line : Austin
--------------- Skipped line : California
 
Process finished with exit code 0

Mam nadzieję, że ten program Java będzie przydatny do wyszukiwania zduplikowanych wierszy w CSV lub dowolnym innym pliku.

Jak znaleźć zduplikowane wiersze w CSV za pomocą polecenia Linux?

1
$ sort - u / Users / Shared / crunchify . csv

Wynik:

Jak usunąć zduplikowane elementy z pliku CSV w systemie Linux