Linux命令去重统计排序

  利用Linux命令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。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。

  用于演示的测试文件内容如下:

    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.

 1、文本去重

    (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。

       排序前:

       

       排序后:

       

      (2)去掉相邻的重复行

      如图所示:

     

 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)

        如图所示:

        

      (2)按重复次数排序

        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)

        

 

 

-------------------------------------------------------手动分割---------------------------------------------------------

2018/09/04

做数据统计的时候遇见一个问题,对一个包含地区名的地区文件做处理的时候(cat diqu.log | sort | uniq -c),发现相邻的地区名

并没有去重,反复试了好几次也没有解决

注意:uniq 命令读取文本文件或者标准输入,并比较相邻的行。正常情况下,相邻的重复行将被删去

最后查了一下,怀疑应该是编码的问题,最后找到了解决方案:

修改系统配置

vi /etc/sysconfig/i18n

#把原配置
LANG="en_US.UTF-8"

#修改为

LANG="zh_CN.GB18030"

做以上修改就能解决问题

 

-------------------------------------------------------手动分割---------------------------------------------------------

2019/09/18

对于一些文件,我们在去重排序后会有空行存在的问题,比如:

可以看到去重之后的文件是存在空行,可以执行如下命令去除空行:

grep -v '^$' file

效果如下所示:

posted @ 2018-07-26 19:21  流光瞬息  阅读(1787)  评论(0编辑  收藏  举报