linux 统计文件字段并排序

问题1：现在有一万多条记录，其中包含重复的记录，每条记录占一行，问如何从这些记录中找到数量排名前10的记录？

• $ sort datafile | uniq -c | sort -k 1 -n -r | head -n 10
• 解析：
  • sort date
    • 表示对data文件中的内容进行排序。sort命令是对于每一行的内容根据字典序（ASCII码）进行排序，这样可以保证重复的记录时相邻的。
  • sort data | uniq -c
    • uniq -c 表示合并相邻的重复记录，并统计重复数。因为uniq -c 只会合并相邻的记录，所以在使用该命令之前需要先排序。
  • sort data | uniq -c | sort -k 1 -n -r
    • 经过uniq -c 处理之后的数据格式形如"2 data"，第一个字段是数字，表示重复的记录数；第二个字段为记录的内容。我们将对此内容进行排序。sort -k 1表示对于每行的第一个字段进行排序，这里即指代表重复记录数的那个字段。因为sort命令的默认排序是按照ASCII，这就会导致按从大到小进行排序时，数值2会排在数值11的前面，所以需要使用-n 参数指定sort命令按照数值大小进行排序。-r 表示逆序，即按照从大到小的顺序进行排序。
      
  • sort data | uniq -c | sort -k 1 -n -r | head 10
    • head 命令表示选取文本的前x行。通过head 10 就可以得到排序结果中前十行的内容。
      

cat datafile  | awk '{print $1}'  |  sort | uniq -c | sort -k 1 -n -r | wc -l > result.txt

按照文件中第一个字段，做统计

• awk ‘{print $1}’：日志记录中的第一个字段
  

统计一个文件中所有单词，并按出现频率排序 (单词以'\t', ' ', '\n'分割)·

tr -s "\t| " "\n" < list_of_not_defined_keywords.csv |  sort | uniq -c | sort -k 1 -n -r

参考文章：

• 巧用Linux命令完成统计排序功能
•