linux 命令 去重 行,利用Linux命令行进行文本按行去重并按重复次数排序

引用

利用Linux命令行进行文本按行去重并按重复次数排序

linux命令行提供了非常强大的文本处理功能，组合利用linux命令能实现好多强大的功能。本文这里举例说明如何利用Linux命令行进行文本按行去重并按重复次数排序。主要用到的命令有sort，uniq和cut。其中，sort主要功能是排序，uniq主要功能是实现相邻文本行的去重，cut可以从文本行中提取相应的文本列(简单地说，就是按列操作文本行)。

用于演示的测试文件内容如下：

[plain]

Hello World.

Apple and Nokia.

Hello World.

I wanna buy an Apple device.

The Iphone of Apple company.

Hello World.

The Iphone of Apple company.

My name is Friendfish.

Hello World.

Apple and Nokia.

实现命令及过程如下：

[plain]

1、文本行去重

(1)排序

由于uniq命令只能对相邻行进行去重复操作，所以在进行去重前，先要对文本行进行排序，使重复行集中到一起。

$ sort test.txt

Apple and Nokia.

Apple and Nokia.

Hello World.

Hello World.

Hello World.

Hello World.

I wanna buy an Apple device.

My name is Friendfish.

The Iphone of Apple company.

The Iphone of Apple company.

(2)去掉相邻的重复行

$ sort test.txt | uniq

Apple and Nokia.

Hello World.

I wanna buy an Apple device.

My name is Friendfish.

The Iphone of Apple company.

2、文本行去重并按重复次数排序

(1)首先，对文本行进行去重并统计重复次数(uniq命令加-c选项可以实现对重复次数进行统计。)。

$ sort test.txt | uniq -c

2 Apple and Nokia.

4 Hello World.

1 I wanna buy an Apple device.

1 My name is Friendfish.

2 The Iphone of Apple company.

(2)对文本行按重复次数进行排序。

sort -n可以识别每行开头的数字，并按其大小对文本行进行排序。默认是按升序排列，如果想要按降序要加-r选项(sort -rn)。

$ sort test.txt | uniq -c | sort -rn

4 Hello World.

2 The Iphone of Apple company.

2 Apple and Nokia.

1 My name is Friendfish.

1 I wanna buy an Apple device.

(3)每行前面的删除重复次数。

cut命令可以按列操作文本行。可以看出前面的重复次数占8个字符，因此，可以用命令cut -c 9- 取出每行第9个及其以后的字符。

$ sort test.txt | uniq -c | sort -rn | cut -c 9-

Hello World.

The Iphone of Apple company.

Apple and Nokia.

My name is Friendfish.

I wanna buy an Apple device.

下面附带说一下cut命令的使用，用法如下：

[plain]

cut -b list [-n] [file ...]

cut -c list [file ...]

cut -f list [-d delim][-s][file ...]

上面的-b、-c、-f分别表示字节、字符、字段(即byte、character、field)；

list表示-b、-c、-f操作范围，-n常常表示具体数字；

file表示的自然是要操作的文本文件的名称；

delim(英文全写：delimiter)表示分隔符，默认情况下为TAB；

-s表示不包括那些不含分隔符的行(这样有利于去掉注释和标题)

三种方式中，表示从指定的范围中提取字节(-b)、或字符(-c)、或字段(-f)。

范围的表示方法：

n   只有第n项

n-  从第n项一直到行尾

n-m 从第n项到第m项(包括m)

-m  从一行的开始到第m项(包括m)

-   从一行的开始到结束的所有项

在写这篇文章的时候，用到了vim的大小写转化的快捷键：gu变小写，gU变大写。结合ctrl+v能够将一片文字中的字符进行大小写转换，非常好用。