如何在Vi中批量删除PDB文件重复坐标原子行（无需手动确认）

问题场景 #

我正在处理一个PDB文件，该文件包含大量原子及其坐标，示例行如下：

ATOM      1  ZN  ZN2 Z   1       6.703   3.973  -2.488  1.00  0.00      ZINC
ATOM      2  ZN  ZN2 Z   1      -2.639   3.973  -2.488  1.00  0.00      ZINC

文件中存在重复坐标的原子：三组坐标值重复出现，但每行的原子编号不同，导致整行不完全相同。希望保留每组重复坐标的一行，删除其余行，不关注顺序。目前采用手动搜索替换坐标为@@@再删除的方式：

:%s/6.703   3.973  -2.488/@@@/gc
:g/@@@/d

但文件过长，手动操作耗时易出错，求更简便的方法，优先Vi编辑器，Emacs也可。

Vi/Vim 解决方案 #

方法1：结合系统sort+uniq命令（快速高效） #

利用外部命令按坐标排序后去重，适合大文件：

1. 按坐标字段（第7-9列，空格分隔）排序：

   :%!sort -k7,9
   

2. 跳过前6个字段（原子编号等不重复内容），只比较后续内容去重，保留每组重复的第一行：

   :%!uniq -f6
   

注：如果需要保留原始顺序，不推荐此方法；若对顺序无要求，这是最快的方式。

方法2：Vim内置脚本（保留原始顺序） #

通过字典记录已出现的坐标，遍历文件删除重复行，不改变原有行的顺序：
在Vim命令行执行：

:let seen = {}
:g/^ATOM/let coords = split(getline('.'))[6:8] | let key = join(coords, ' ') | if has_key(seen, key) | delete() | else | let seen[key] = 1 | endif

• let seen = {}：创建空字典存储已出现的坐标
• :g/^ATOM/：对所有以ATOM开头的原子行执行后续逻辑
• split(getline('.'))[6:8]：拆分当前行为字段列表，提取第7-9个元素（坐标部分）
• 若坐标已在字典中则删除当前行，否则将坐标存入字典标记为已出现

Emacs 解决方案 #

方法1：调用外部sort+uniq命令 #

1. 选中整个文件（C-x h）
2. 执行 M-x shell-command-on-region
3. 输入命令 sort -k7,9 | uniq -f6，回车后确认替换原内容即可

方法2：Elisp脚本（保留原始顺序） #

在Emacs中执行以下脚本（可通过M-x eval-expression逐行执行，或写入临时脚本）：

(let ((seen (make-hash-table :test 'equal)))
  (goto-char (point-min))
  (while (not (eobp))
    (let* ((line (buffer-substring-no-properties (line-beginning-position) (line-end-position)))
           (fields (split-string line))
           (coords (subseq fields 6 9))
           (key (string-join coords " ")))
      (if (gethash key seen)
          (kill-whole-line)
        (puthash key t seen)))
    (forward-line 1)))

• 创建哈希表seen记录已出现的坐标
• 从文件开头遍历每一行，提取坐标字段作为键
• 若坐标已存在则删除当前行，否则将坐标存入哈希表

内容的提问来源于stack exchange，提问作者user19619903