删除重复行

使用默认设置即可：它保留每行第一次出现的那一份，排序保持原始顺序。每一行都留在它首次出现的位置，只有后面的副本会被删除。这一点比听起来更重要：如果列表的顺序有意义，比如播放列表、构建顺序或一组操作步骤，一个顺带排序的去重工具就会把它毁掉。如果你想保留最后一次出现的那一份，例如导出数据中靠后的行是某条记录的较新版本，请切换为保留最后一个。

几乎总是因为某个看不见的字符：行尾空格、从网页粘贴来的不间断空格、CSV 列残留的多余逗号，或者大小写不同。开启“忽略首尾空格”并关闭“区分大小写”，大部分问题会立刻消失。如果某一对仍然无法匹配，请查看重复项表格：列在“同时匹配”后的条目显示了哪些写法被视为同一行，通常一看就能发现差别。外观相似但确实不同的 Unicode 字符，比如弯撇号和直撇号，不会被匹配，也本不应该匹配。

可以，这就是“仅重复的行”模式。它为每个出现不止一次的行显示一行，下方的表格给出每行的次数和首次出现的位置。用它来检查导出数据中的重复条目、查找在本应唯一的列表中出现两次的关键词，或确认合并操作没有引入副本，都很合适。相反的模式“仅出现一次的行”会彻底丢弃每个重复的行，包括它的第一份，当重复意味着这一行可疑时，你需要的正是这个。

自然排序把连续的数字当作数值而不是字符来读。普通的字母排序逐位比较，所以“report-10”排在“report-2”之前，因为字符 1 排在 2 前面。自然排序把 10 和 2 当作数字比较，按正确的顺序排列。文件管理器用的就是这种排序，对于任何带数字后缀的内容，比如版本号、章节、发票号、图片序列，它几乎总是你想要的。

可以，而且邮箱地址是它最常见的用途。有两点值得了解。按照规范，域名不区分大小写，所以可以放心关闭“区分大小写”，这样就能捕捉到 [email protected] 和 [email protected] 这类非常常见的重复。本地部分（即 @ 符号之前的部分）在技术上区分大小写，但实际上几乎没有服务商这样处理。Gmail 的点号和加号地址则是另一回事：[email protected]、[email protected] 和 [email protected] 都会进入同一个收件箱，但它们确实是不同的字符串，本工具不会合并它们，因为这样做对其他所有服务商都是错误的。

最多 200,000 个字符或 50,000 行，以先达到的为准。由于处理方式是用哈希表对列表遍历一次，而不是把每一行与其他所有行比较，所以始终保持流畅。超出上限的列表会被截断，页面会明确提示，而不是悄悄只处理一部分。对于非常大的导出文件，请拆分后分批处理，或在命令行中用 sort 和 uniq 就地去重。

如果保留空行，会的：每个空行都与其他空行相同，所以一连串空行会合并成一个。对列表来说，这通常正是想要的效果。如果空行在你的文本中有意义，比如用来分隔段落，那么这个工具并不适合这类内容，因为它的整个模型就是一行即一项。

不会。比较、排序和计数全部在这个标签页中完成，不会传输或存储任何内容。这正是使用这类页面的主要理由，而不必把客户名单、内部 URL 集合或用户邮箱导出粘贴到在服务器上处理数据的服务中。

“不同行数”是按当前匹配规则，你的输入中有多少种不同的行。“输出行数”是当前保留模式实际写出的行数。当你保留每行的第一份或最后一份时，两者相同；在另外两种模式下则不同：只保留出现一次的行会排除每个重复的行，只保留重复的行会排除所有只出现一次的行。比较这两个数字，可以快速看出列表中有多少内容是重复的。

这个工具不行，而且是有意为之。去重就是它的功能，所以保留下来的每一行在你的匹配规则下都是唯一的。如果你想在保留重复项的情况下排序，请改为开启计数：每个不同的行显示为一行，旁边附上出现次数，信息相同，但更易阅读，也更方便粘贴到电子表格中。