利用Linux命令行进行文本按行去重并按重复次数排序
来源:互联网 发布:上海迈博软件 编辑:程序博客网 时间:2024/06/05 10:22
linux命令行提供了非常强大的文本处理功能,组合利用linux命令能实现好多强大的功能。本文这里举例说明如何利用Linux命令行进行文本按行去重并按重复次数排序。主要用到的命令有sort,uniq和cut。其中,sort主要功能是排序,uniq主要功能是实现相邻文本行的去重,cut可以从文本行中提取相应的文本列(简单地说,就是按列操作文本行)。
用于演示的测试文件内容如下:
[plain]
Hello World.
Apple and Nokia.
Hello World.
I wanna buy an Apple device.
The Iphone of Apple company.
Hello World.
The Iphone of Apple company.
My name is Friendfish.
Hello World.
Apple and Nokia.
实现命令及过程如下:
[plain]
1、文本行去重
(1)排序
由于uniq命令只能对相邻行进行去重复操作,所以在进行去重前,先要对文本行进行排序,使重复行集中到一起。
$ sort test.txt
Apple and Nokia.
Apple and Nokia.
Hello World.
Hello World.
Hello World.
Hello World.
I wanna buy an Apple device.
My name is Friendfish.
The Iphone of Apple company.
The Iphone of Apple company.
(2)去掉相邻的重复行
$ sort test.txt | uniq
Apple and Nokia.
Hello World.
I wanna buy an Apple device.
My name is Friendfish.
The Iphone of Apple company.
2、文本行去重并按重复次数排序
(1)首先,对文本行进行去重并统计重复次数(uniq命令加-c选项可以实现对重复次数进行统计。)。
$ sort test.txt | uniq -c
2 Apple and Nokia.
4 Hello World.
1 I wanna buy an Apple device.
1 My name is Friendfish.
2 The Iphone of Apple company.
(2)对文本行按重复次数进行排序。
sort -n可以识别每行开头的数字,并按其大小对文本行进行排序。默认是按升序排列,如果想要按降序要加-r选项(sort -rn)。
$ sort test.txt | uniq -c | sort -rn
4 Hello World.
2 The Iphone of Apple company.
2 Apple and Nokia.
1 My name is Friendfish.
1 I wanna buy an Apple device.
(3)每行前面的删除重复次数。
cut命令可以按列操作文本行。可以看出前面的重复次数占8个字符,因此,可以用命令cut -c 9- 取出每行第9个及其以后的字符。
$ sort test.txt | uniq -c | sort -rn | cut -c 9-
Hello World.
The Iphone of Apple company.
Apple and Nokia.
My name is Friendfish.
I wanna buy an Apple device.
下面附带说一下cut命令的使用,用法如下:
[plain]
cut -b list [-n] [file ...]
cut -c list [file ...]
cut -f list [-d delim][-s][file ...]
上面的-b、-c、-f分别表示字节、字符、字段(即byte、character、field);
list表示-b、-c、-f操作范围,-n常常表示具体数字;
file表示的自然是要操作的文本文件的名称;
delim(英文全写:delimiter)表示分隔符,默认情况下为TAB;
-s表示不包括那些不含分隔符的行(这样有利于去掉注释和标题)
三种方式中,表示从指定的范围中提取字节(-b)、或字符(-c)、或字段(-f)。
范围的表示方法:
n 只有第n项
n- 从第n项一直到行尾
n-m 从第n项到第m项(包括m)
-m 从一行的开始到第m项(包括m)
- 从一行的开始到结束的所有项
在写这篇文章的时候,用到了vim的大小写转化的快捷键:gu变小写,gU变大写。结合ctrl+v能够将一片文字中的字符进行大小写转换,非常好用。
0 0
- 利用Linux命令行进行文本按行去重并按重复次数排序
- 利用Linux命令行进行文本按行去重并按重复次数排序
- 利用Linux命令行进行文本按行去重并按重复次数排序
- 利用Linux命令行进行文本按行去重并按重复次数排序yes
- java并打印出重复的姓名和重复的次数,并按重复次数排序
- Linux统计单词次数并按次数排序
- 利用Linux命令按行去重以及按重复度排序
- 利用simhash来进行文本去重复
- 从类似如下的文本文件中读取出所有的姓名,并打印出重复的姓名和重复的次数,并按重复次数排序
- java 集合 从类似如下的文本文件中读取出所有的姓名,并打印出重复的 * 姓名和重复的次数,并按重复次数排序:
- 输入一个数组,对数组进行排序,并输出该数组中重复元素出现的次数
- 检索算法 ---利用二分查找进行数据重复次数统计
- linux文本排序、交集、差集,查找并删除重复文件脚本、comm命令
- 统计一篇英文文件中,单词出现的次数,并按单词的长度进行排序
- python 统计数组中元素出现次数并进行排序
- 统计 数据中 重复值的次数( 另外,可再对其进行排序,重复次数多的在前边
- 初探map()——对一个文件进行统计其中各个单词出现的次数,并按次数从高到低的顺序进行排序
- std::set进行排序并删除重复数据
- 二分+最小生成树
- nlogn求最长上升子序列 (POJ2533)
- Java源码阅读的真实体会
- 折半查找代码的编写和探索
- ajax
- 利用Linux命令行进行文本按行去重并按重复次数排序
- 文件描述符(fd)与FILE结构体
- 常用sql语句
- c++11 union
- [PAT-乙级]1009.说反话
- 猜数字游戏
- 关联规则-Apriori算法
- chrome浏览器镜像
- java基本语法