利用Linux命令行进行文本按行去重并按重复次数排序

最近杂事太多，正事进展缓慢。Fighting！

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：

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：

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 | uniqApple 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：

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。

最后附加一个小段子：

用django的时候，启动web服务器，出现如下错误：

Django version 1.5.4, using settings 'mysite.settings'Development server is running at http://127.0.0.1:8000/Quit the server with CONTROL-C.Error: That port is already in use.

解决方法有两个：

(1) 加端口参数

python manage.py runserver 8080
(2) 终止占用端口的进程
sudo netstat -tulpn | grep :8000
kill -9 <进程pid>