☰

找出文件部分中最常见的字符串

tag-icon • tag-icon text-processing sort
找出文件部分中最常见的字符串

我有一个如下所示的文件：

o99 克萨德<选项卡>ABCDE
$%!H$!(<选项卡>00
!sdaf 作为<选项卡>12
萨尔瓦
&!§! &%

（在哪里<tab>代表真正的 TAB 字符）。

为了澄清：它包含两个“列”，第二个可能完全是空的，第一个可能包含空格和各种符号。例如，上面示例输入中的最后两行在第二列中不包含任何内容。各列由制表符分隔。

我正在寻找一种方法来查找第一列中最常见的字符串。输出可以是（最好）按此频率排序的文件，也可以是按顺序列出最常见数字字符串的单独输出文件。

我正在使用Linux。

答案1

cut -f1 file | sort | uniq -c | sort -rn
  • cut使用TAB作为默认字段分隔符；-f1选择第一个字段。
  • uniq -c 计算（连续）重复的次数，
  • sort -rn对数字顺序进行反向排序。

\谢谢{杰夫·夏勒}

答案2

强制awk解决方案

awk -F"\t" '{column[$1]++}END{for (var in column) print column[var]"\t"var}' INPUTFILE.txt | sort -nr -k1

相关内容