在gzip文件的列中查找uniq項目

Question

我想返回我的gzip文件的一列中的唯一項目數。 進行排序，我知道你可以使用像一個正常的文件：

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

，但是當我在一個gzip文件運行此我得到：

?BC??\ks?ʑ???

是否有可能改變這種格式來查找列中的唯一項目，給定一個gzip文件？

Answer 1

好吧，我真的明白了！

gzcat vcf_del.vcf.gz | cut -f 2 | sort | uniq | wc -l（和ZCAT也適用）

其次，如果有該文件的部分你不想要的（例如在VCF文件有一系列以「＃」行，你可以簡單地刪除它們的方式：

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

Answer 2

您無法在壓縮文件上運行搜索和排序命令，您必須提取壓縮文件，然後在輸出gzip命令時運行命令。

你可以試試下面的命令

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

Answer 3

的gzip包自帶的zcat程序，它的工作原理就像cat但它只是對GZ文件。

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