统计文本中的特定字段的信息

rel="File-List" href="file:///G:%5Ctmp%5Cmsohtml1%5C01%5Cclip_filelist.xml">

有如下的文件

298	a	pgr0242	関数"memset"の 3番目の実引数"(64) * 12"は、sizeof/strlenを使用して求めましょう。
301	a	pgr0242	関数"memset"の 3番目の実引数"(256)"は、sizeof/strlenを使用して求めましょう。
469	a	pgr0243	関数"memcpy"の 3番目の実引数 "vbcpsDelimiterAddr->sPtInfo[FIELD_EXAMID].ucLen"は、sizeof/strlenを 使用して求めているか調べましょう。
109	b	pgr0247	キャスト式"(UC)E_BCORD"は小さい型にキャストしています。 (キャスト型 : unsigned char, 式 : enum )
…	…	…	…

其中第三列为bug的类型。

 

现需要将所有的类型提取出来，并去掉重复。

最简单的方法将其拷贝到Excel中，并利用排序机能，然后一个一个的数。

这种方法虽然可行，但是如果行比较多的话，可能需要数一阵子了。

再有，该方法不能自动化，也就是说，随便增删一行，你就要重复劳动。

我们的目标是尽可能自动化，希望让计算机帮我做这种重复的容易出错的活动。

 

第一步的尝试如下：

1, awk -F, '{print $3}' bc_tsk.csv

使用awk工具，将第三列打印出来，由于该文件是csv文件，所以分隔符设置为[,]。

经过该步骤，我们已经把所有bug类型提取出来了。虽然已经提取出了所有的bug类型，我们还需要对其进行排序，以便查找。

 

第二步的尝试如下：

2, awk -F, '{print $3}' bc_tsk.csv | sort

经过该步骤之后，所有的类型已经排序完毕，现在我们需要去掉重复的项目。

 

第三步的尝试如下：

3, awk -F, '{print $3}' bc_tsk.csv | sort -u

Ok，成功的完成了任务。

 

后来，需求又变了，需要将整个项目的所有bug类型进行统计。这需要对所有文件的bug类型进行统计。

 

第四步的尝试如下：

4, awk -F, '{print $3}' bc_tsk.csv com_def.csv | sort -u

 

无奈，文件实在太多了，有2，3十个之多，一个一个的写出来，也挺费劲，而且如果有文件的增加或删除，。。。

 

第五步的尝试如下，列出所有需要统计的文件

5, ls

 

第六步的尝试如下，将列出的所有文件作为awk的参数进行统计。

6, ls | xargs awk -F, '{print $3}'  | sort -u

大功告成，美中不足的是输出的信息太多，好几屏，将其输出到文件中似乎是个不错的注意。

 

第七步的尝试如下：

7, ls | xargs awk -F, '{print $3}'  | sort -u > result.txt

 

Ok，已经完美的完成了任务。整个过程用了10多分钟。真是一劳永逸阿。

 

顺便计算出了所有bug类型的个数。

第八步的尝试如下：

8, ls | xargs awk -F, '{print $3}' | sort -u | awk '{sum = sum + 1} END {print sum}'

完成了任务。赫赫