☰

计算有多少行以哪些字符开头

tag-icon • tag-icon command-line text-processing grep
计算有多少行以哪些字符开头

我有一个文件名包含多行的文件。

我想一次性计算出有多少行以字符“a”、“b”等开头。

我应该执行什么命令？

答案1

对于单字符字母：

< file cut -c1 | grep '[[:alpha:]]' | LC_ALL=C sort | LC_ALL=C uniq -c | sort -k 2

要处理组合字符（如果在 utf-8 语言环境中）：

< file PERLIO=:utf8 perl -Mlocale -MUnicode::Normalize -lne '
  $_=NFKD($_); $n{$&}++ if /^[[:alpha:]]/u && /^\X/u;
  END{for $i (sort keys %n) {print "$n{$i} $i"}}'

（替换$n{$&}为与$n{lc$&}大小写无关的计数）。

在这样的输入上：

fix
été
-dash-
éléphant
παράλληλα
молчит
alphabet
3com
foo
ɪ-letter
ʃ-letter

在我的语言环境中，第一个将输出：

  1 ɪ
  1 ʃ
  1 a
  1 e
  1 é
  2 f
  1 π
  1 м

因为在大象上面（顺便说一句，我的 Firefox 版本显示不正确，因为它将重音放在 上l），第一个é写为两个 unicode 字符e和\U0301（组合急性重音），而在 中été，它是带有急性重音的\U00E9预组合e。

第二个将输出：

1 ɪ
1 ʃ
1 a
2 é
2 f
1 π
1 м

（在那里， 的所有变体é都已转换为e\U0301（标准化分解版本））。

而cut -c 1 | grep '[[:alpha:]]' | sort | uniq -c会输出：

  2 ɪ
  1 a
  1 e
  1 é
  2 f
  1 π
  1 м

ɪ因为在我的语言环境中，和的排序顺序没有定义，所以就和而言，ʃ它们排序相同并且计数相同。sortuniq

（请注意，您需要上面的 POSIX cut。我的 GNU 版本cut不是因为它将字符视为字节，所以我必须使用内置cut的ksh93）。

如果数据仅为 US-ASCII，则可以将其简化为：

(export LC_ALL=C; < file cut -c 1 | grep '[[:alpha:]]' | sort | uniq -c)

或者，如果您想报告0任何未找到的 52 个 US ASCII 字母：

< file LC_ALL=C awk '{n[substr($0,1,1)]++};END{
  for(i=65;i<=122;i++) if (i < 91 || i > 96) {
    c=sprintf("%c",i);print 0+n[c], c}}'

答案2

尝试这个：

<file.txt sed 's/^\(.\).*/\1/' | sort | uniq -c

或者，如果您希望不区分大小写，则：

<file.txt sed 's/^\(.\).*/\1/' | tr a-z A-Z | sort | uniq -c

相关内容