读取PowerShell中较大的CSV解析多列以获得唯一值根据列中最早的值保存结果
读取PowerShell中较大的CSV解析多列以获得唯一值根据列中最早的值保存结果
提问于 2019-06-02 22:26:15
我有一个很大的1000万行文件(当前是CSV)。我需要通读文件，并删除基于多列的重复项。
数据行的示例如下所示：
ComputerName、IPAddress、MacAddress、CurrentDate、FirstSeenDate
我想检查MacAddress和ComputerName中是否有重复项，如果发现重复项，则保留具有最旧FirstSeenDate的唯一项。
我使用import-csv将CSV读取到一个变量中，然后使用sort-object等方法处理该变量，但速度非常慢。
$data | Group-Object -Property ComputerName,MaAddress | ForEach-Object{$_.Group | Sort-Object -Property FirstSeenDate | Select-Object -First 1}我想我可以使用stream.reader逐行读取CSV，基于数组包含的逻辑构建一个唯一的数组。
有什么想法？
Stack Overflow用户
发布于 2019-06-03 04:44:06
如果性能是主要考虑因素，我可能会使用Python。或者LogParser。
但是，如果我必须使用PowerShell，我可能会尝试如下所示：
$CultureInfo = [CultureInfo]::InvariantCulture
$DateFormat = 'M/d/yyyy' # Use whatever date format is appropriate
# We need to convert the strings that represent dates. You can skip the ParseExact() calls if the dates are already in a string sortable format (e.g., yyyy-MM-dd).
$Data = Import-Csv $InputFile | Select-Object -Property ComputerName, IPAddress, MacAddress, @{n = 'CurrentDate'; e = {[DateTime]::ParseExact($_.CurrentDate, $DateFormat, $CultureInfo)}}, @{n = 'FirstSeenDate'; e = {[DateTime]::ParseExact($_.FirstSeenDate, $DateFormat, $CultureInfo)}}
$Results = @{}
foreach ($Record in $Data) {
$Key = $Record.ComputerName + ';' + $Record.MacAddress
if (!$Results.ContainsKey($Key)) {
$Results[$Key] = $Record
}
elseif ($Record.FirstSeenDate -lt $Results[$Key].FirstSeenDate) {
$Results[$Key] = $Record
}
}
$Results.Values | Sort-Object -Property ComputerName, MacAddress | Export-Csv $OutputFile -NoTypeInformation这可能会更快，因为尽管Group-Object非常强大，但它通常是一个瓶颈。
如果您真的想尝试使用流读取器，请尝试使用Microsoft.VisualBasic.FileIO.TextFieldParser class，它是.Net框架的一部分，尽管它的名称有点误导。您可以通过运行Add-Type -AssemblyName Microsoft.VisualBasic来访问它。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/56415931
复制相关文章
相似问题
腾讯云开发者
