डुप्लिकेट लाइनें हटाएँ
लिस्ट पेस्ट करें। हर लाइन की पहली बार के बाद आने वाली दोहराई गई कॉपी हट जाती है और बाकी लाइनें अपने मूल क्रम में रहती हैं। मिलान में छोटे-बड़े अक्षरों और फालतू स्पेस को अनदेखा किया जा सकता है, और सारा काम आपके ब्राउज़र में ही होता है।
0 अक्षर · 0 शब्द · 0 पंक्तियाँ
0 अक्षर · 0 शब्द · 0 पंक्तियाँ
यह पूरी तरह इसी ब्राउज़र टैब में चलता है। आपका टेक्स्ट कभी अपलोड या सेव नहीं होता।
यह क्या करता है
दोहराई गई पंक्तियाँ हटाएँ हर पंक्ति की पहली प्रति रखता है और बाद की दोहराई पंक्तियाँ हटाता है, मूल क्रम बदले बिना। मिलान में अक्षरों का केस और आसपास के स्पेस नज़रअंदाज़ किए जा सकते हैं, और खाली पंक्तियाँ रखी या हटाई जा सकती हैं।
red blue Red green
red blue green
लिस्ट से डुप्लिकेट कौन हटाता है और क्यों
जब भी लिस्ट आपस में मिलाई जाती हैं, डुप्लिकेट लाइनें दिखने लगती हैं। मार्केटर दो एक्सपोर्ट की हुई ईमेल लिस्ट जोड़ता है, रिसर्चर कई टूल से कीवर्ड इकट्ठा करता है, डेवलपर लॉग फ़ाइलों से URL जुटाता है, टीचर तीन साइन-अप फ़ॉर्म के नाम एक जगह पेस्ट करती है: हर मामले में कुछ एंट्री दो या उससे ज़्यादा बार आ जाती हैं। स्प्रेडशीट में भी डुप्लिकेट हटाए जा सकते हैं, लेकिन इसके लिए फ़ाइल खोलनी पड़ती है, कॉलम चुनना पड़ता है और सही मेन्यू ढूँढना पड़ता है। डेटा पहले से क्लिपबोर्ड पर हो तो टेक्स्ट बॉक्स में पेस्ट करना ज़्यादा तेज़ है।
मूल क्रम बनाए रखना जितना लगता है, उससे ज़्यादा ज़रूरी है। स्टेप्स की लिस्ट, रैंकिंग या क्रॉल के क्रम में रखे URL सॉर्ट करने पर अपना मतलब खो देते हैं। यहाँ पहली बार आई लाइन ठीक अपनी जगह पर रहती है और बाद की दोहराई गई लाइनें बस हटा दी जाती हैं। एक काउंटर बताता है कि कितनी लाइनें हटीं, ताकि आप देख सकें कि नतीजा सही लग रहा है या नहीं।
मिलान कैसे होता है, और न दिखने वाले अंतर
लिस्ट को ऊपर से नीचे पढ़ते हुए हर लाइन को एक तुलना-कुंजी में बदला जाता है और सेट में रखा जाता है। जिस लाइन की कुंजी पहले से सेट में हो, वह डुप्लिकेट है। इसमें एक ही पास लगता है, इसलिए लाखों लाइनों की लिस्ट भी जल्दी निपट जाती है। यह क्लासिक Unix uniq कमांड से अलग है, जो सिर्फ़ बगल-बगल की डुप्लिकेट लाइनें हटाती है और इसीलिए आमतौर पर sort के बाद चलाई जाती है, जिससे मूल क्रम खो जाता है। awk का awk '!seen[$0]++' वही करता है जो यह टूल करता है।
दो लाइनें एक जैसी दिखकर भी अलग हो सकती हैं। आख़िर में एक स्पेस, स्पेस की जगह टैब, या वेब पेज से कॉपी हुआ नॉन-ब्रेकिंग स्पेस हो तो कंप्यूटर उन्हें अलग स्ट्रिंग मानता है। हर लाइन के दोनों सिरों के स्पेस, नॉन-ब्रेकिंग स्पेस समेत, नज़रअंदाज़ करने के लिए ट्रिमिंग चालू करें। "Paris" और "paris" को एक ही एंट्री मानने के लिए केस सेंसिटिविटी बंद करें; जो स्पेलिंग पहले दिखी हो, वही रखी जाती है। खाली लाइनें रखी जा सकती हैं ताकि पैराग्राफ़ अलग रहें, या पूरी तरह हटाई जा सकती हैं।
सफ़ाई के बाद
डुप्लिकेट हटाने के बाद लिस्ट को अक्सर किसी क्रम की ज़रूरत होती है: लाइनें सॉर्ट करें उसे अल्फ़ाबेट, नैचुरल ऑर्डर या लंबाई के हिसाब से लगा सकता है। अगर लिस्ट PDF या टूटी लाइनों वाली ईमेल से आई है, तो पहले दूसरे टेक्स्ट टूल से उन्हें ठीक करें, क्योंकि दो लाइनों में टूटी एंट्री अपने सही जुड़वाँ से मैच नहीं कर सकती।
अक्सर पूछे जाने वाले सवाल
- डुप्लिकेट लाइन की कौन-सी कॉपी रखी जाती है?
- पहली लाइन रहती है। उसी कंटेंट वाली बाद की हर लाइन हटा दी जाती है और बची हुई लाइनें अपने मूल क्रम में रहती हैं, यानी कुछ भी इधर-उधर नहीं होता।
- एक जैसी दिखने वाली दो लाइनें क्यों नहीं हटतीं?
- उनमें कोई अदृश्य फ़र्क़ होता है, अक्सर आख़िर का स्पेस, टैब या नॉन-ब्रेकिंग स्पेस। ट्रिम विकल्प चालू करें, या अगर सिर्फ़ कैपिटल-स्मॉल अक्षर का फ़र्क़ है तो केस नज़रअंदाज़ करें।
- यह uniq कमांड से कैसे अलग है?
- uniq किसी लाइन को तभी हटाता है जब वह ठीक ऊपर वाली लाइन जैसी हो, इसलिए इसे आमतौर पर sort के साथ चलाते हैं। यह टूल टेक्स्ट में कहीं भी दोहराई लाइनें ढूँढता है और मूल क्रम बनाए रखता है।
- क्या डुप्लिकेट हटाने के साथ लिस्ट को सॉर्ट भी कर सकते हैं?
- पहले यहाँ डुप्लिकेट हटाएँ, फिर नतीजे को लाइनें सॉर्ट करें में पेस्ट करें। दो चरणों में करने से ज़रूरत पड़ने पर पहली बार दिखने का क्रम बना रहता है और सॉर्ट आप तभी करते हैं जब चाहें।