利用Linux命令行进行文本按行去重并按重复次数排序
2016-04-07 14:10
821 查看
http://www.tuicool.com/articles/fEzERj
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:
实现命令及过程如下:
下面附带说一下cut命令的使用,用法如下:
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 | 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:
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
相关文章推荐
- linux系统下mysql跳过密码验证登录和创建新用户
- vmware下安装rhel6.7
- linux(centos6.x)下mysql数据库报错表不存在
- ceph存储 Linux文件空洞与稀疏文件
- linux下进程绑定cpu情况查看
- Linux时钟管理clk_get函数透彻分析
- gcc-linaro-5.3-2016.02-x86_64_arm-linux-gnueabihf 和glibc-2.14的安装与问题解析
- linux命令--cat
- 手工释放Linux内存——/proc/sys/vm/drop_caches
- Linux驱动makefile模板
- Linux平台Cpu使用率的计算
- Linux的学习路线图
- CentOS7下二进制文件安装MySQL5.6
- CentOS 服务器安全设置
- GNU Linux系统变量(sysctl配置命令)综合使用
- 理解Linux的性能
- CentOS7下源码安装5.6.23
- 《Linux内核设计与实现》第七章读书笔记
- CentOS7下yum方式安装mysql5.6
- Linux上安装部署WildFly 10