如何统计目录下CSV文件中关联记录的唯一时间戳数量

你的核心问题是之前的命令处理的是整行而非单独的timestamp字段——即使两个记录的timestamp相同，只要id不同，整行内容就不一样，uniq无法识别为重复项；另外你的正则表达式写法有误，2022-11-*中的*会匹配0个或多个-，不是匹配日期后续内容的正确写法。

正确的处理步骤 #

要统计唯一timestamp的总数，必须先提取出每个记录的timestamp字段，再过滤、去重、统计：

1. 提取timestamp字段：假设CSV用逗号分隔，timestamp是第二列（如果是其他列，把-f2改成对应列数，比如第三列写-f3）：

   cut -d',' -f2 2022-*
   

2. 过滤目标日期：精准匹配以2022-11-开头的时间戳（避免匹配行内其他位置的日期）：

   grep "^2022-11-"
   

3. 去重并统计：先排序（uniq只能处理相邻重复项），再去重，最后统计行数：

   sort | uniq | wc -l
   

组合命令 #

把上面的步骤合并成一条命令：

cut -d',' -f2 2022-* | grep "^2022-11-" | sort | uniq | wc -l

特殊情况处理 #

• 如果CSV文件第一行是表头（比如包含timestamp字样），需要跳过表头，加入sed '1d'：

  cut -d',' -f2 2022-* | sed '1d' | grep "^2022-11-" | sort | uniq | wc -l
  

• 如果CSV用制表符分隔，把-d','改成-d$'\t'：

  cut -d$'\t' -f2 2022-* | grep "^2022-11-" | sort | uniq | wc -l
  

内容的提问来源于stack exchange，提问作者Alex