Linux:统计文件词频

#!/bin/bash  
#Name: word_freq.sh  
#Description: Find out frequency of words in a file  
  
if [ $# -ne 1 ];  
then  
    echo "Usage: $0 filename";  
    exit -1  
fi  
  
filename=$1  
  
egrep -o "\b[[:alpha:]]+\b" $filename | \  
  
awk '{ count[$0]++ } END{ printf("%-14s%s\n","Word","Count") ; \  
 for(ind in count) { printf("%-14s%d\n",ind,count[ind]); } }'  

工作原理介绍：

1.egrep -o "\b[[:alpha:]]+\b" $filename 用来只输出单词，用 -o 选项打印出由换行符分割的匹配字符序列，这样我们就可以在每行中列出一个单词

2.\b 是单词边界标记符。[:alpha:] 是表示字母的字符类

3.awk命令用来避免对每一个单词进行迭代

1.egrep默认支持正则表达式，grep默认不支持。

2.   awk '{pattern + action}' {filenames}

awk工作流程是这样的：读入有'\n'换行符分割的一条记录，然后将记录按指定的域分隔符划分域，填充域，$0则表示所有域,$1表示第一个域,$n表示第n个域。