利用Linux命令行进行文本按行去重并按重复次数排序
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]
HelloWorld.
AppleandNokia.
HelloWorld.
IwannabuyanAppledevice.
TheIphoneofApplecompany.
HelloWorld.
TheIphoneofApplecompany.
MynameisFriendfish.
HelloWorld.
AppleandNokia.
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。
$sorttest.txt
AppleandNokia.
AppleandNokia.
HelloWorld.
HelloWorld.
HelloWorld.
HelloWorld.
IwannabuyanAppledevice.
MynameisFriendfish.
TheIphoneofApplecompany.
TheIphoneofApplecompany.
(2)去掉相邻的重复行
$sorttest.txt|uniq
AppleandNokia.
HelloWorld.
IwannabuyanAppledevice.
MynameisFriendfish.
TheIphoneofApplecompany.
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。)。
$sorttest.txt|uniq-c
2AppleandNokia.
4HelloWorld.
1IwannabuyanAppledevice.
1MynameisFriendfish.
2TheIphoneofApplecompany.
(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)。
$sorttest.txt|uniq-c|sort-rn
4HelloWorld.
2TheIphoneofApplecompany.
2AppleandNokia.
1MynameisFriendfish.
1IwannabuyanAppledevice.
(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-c9-取出每行第9个及其以后的字符。
$sorttest.txt|uniq-c|sort-rn|cut-c9-
HelloWorld.
TheIphoneofApplecompany.
AppleandNokia.
MynameisFriendfish.
IwannabuyanAppledevice.
下面附带说一下cut命令的使用，用法如下：
[plain]
cut-blist[-n][file...]
cut-clist[file...]
cut-flist[-ddelim][-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。