利用Linux命令行進行文本去重并按重復(fù)次數(shù)排序

linux命令行提供了非常強大的文本處理功能，組合利用linux命令能實現(xiàn)好多強大的功能。本文這里舉例說明如何利用Linux命令行進行文本去重并按重復(fù)次數(shù)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主要功能是實現(xiàn)相鄰文本行的去重，cut可以從文本行中提取相應(yīng)的文本列(簡單地說，就是按列操作文本行)。

利用Linux命令行進行文本去重并按重復(fù)次數(shù)排序圖一

用于演示的測試文件內(nèi)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.

利用Linux命令行進行文本去重并按重復(fù)次數(shù)排序圖二

實現(xiàn)命令及過程如下：

[plain]

1、文本行去重

(1)排序

由于uniq命令只能對相鄰行進行去重復(fù)操作，所以在進行去重前，先要對文本行進行排序，使重復(fù)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)去掉相鄰的重復(fù)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.

利用Linux命令行進行文本去重并按重復(fù)次數(shù)排序圖三

2、文本行去重并按重復(fù)次數(shù)排序

(1)首先，對文本行進行去重并統(tǒng)計重復(fù)次數(shù)(uniq命令加-c選項可以實現(xiàn)對重復(fù)次數(shù)進行統(tǒng)計。)。

$ 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)對文本行按重復(fù)次數(shù)進行排序。

sort -n可以識別每行開頭的數(shù)字，并按其大小對文本行進行排序。默認是按升序排列，如果想要按降序要加-r選項(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)每行前面的刪除重復(fù)次數(shù)。

cut命令可以按列操作文本行。可以看出前面的重復(fù)次數(shù)占8個字符，因此，可以用命令cut -c 9- 取出每行第9個及其以后的字符。

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

Hello World.

The Iphone of Apple company.