引子
最近工作中遇到了一个比较特殊的需求,就是在多个文本文件中统计(查找)多个关键词(字符串)各自的出现次数(频次)。也就是说,假设有关键词aaa
, bbb
, ccc
,现在需要统计这些关键词各自在文件a.txt
, b.txt
, c.txt
出现的总频次。
分析
这个需求如果关键词和文件数量较少的话,那么手动在编辑器中查找的工作量并不大,但是一旦关键词和文件数量变得很大,那么就需要考虑其它的方式了。
解决方法
通过参考网上的资料,最后整理出如下脚本,可以在linux中完成该任务:
cat a.txt b.txt c.txt > one.txt #将多个文件合并成一个文件
grep -Eiwo 'aaa|bbb|ccc' one.txt | sort | uniq -c | awk '{print $2": "$1}'
#-E 使用扩展的正则匹配
#-i 忽略大小写
#-w 全词匹配
#-o 只显示匹配的部分
#'aaa|bbb|ccc' 要匹配的关键词,用|间隔表示逻辑或的关系
#one.txt 要搜索的文件
#sort 对grep输出的结果进行分类(排序)
#uniq -c 对sort的结果进行统计
#awk '{print $2": "$1}' 优化输出显示,将输出显示为"aaa: 100"这种形式