Question

我正在尝试读取文件并按特定字段的出现次数对其进行排序。假设我想从日志文件中找出最重复的日期，然后我使用uniq -c选项并按降序排序。像这样的东西

uniq -c | sort -nr

这会产生一些像这样的输出 -

809 23/Dec/2008:19:20

第一个实际上是计数的字段对我来说是个问题....我想从上面的输出中得到日期，但是我无法得到它。我尝试使用cut命令并执行此操作

uniq -c | sort -nr | cut -d' ' -f2

但是这只是打印空白区域...请有人帮助我获取日期并切断计数。我只想要

23/Dec/2008:19:20

由于

Answer 1

来自uniq的计数前面有空格，除非计数中的数字超过7位，因此您需要执行以下操作：

uniq -c | sort -nr | cut -c 9-

获取列（字符位置）9向上。或者您可以使用sed：

uniq -c | sort -nr | sed 's/^.\{8\}//'

或：

uniq -c | sort -nr | sed 's/^ *[0-9]* //'

面对10,000,000或更多的重复计数，第二种选择是强劲的;如果你认为这可能是一个问题，它可能比cut替代方案更好。毫无疑问，还有其他选择。

警告：计数是通过Mac OS X 10.7.3上的实验确定的，但使用来自uniq 8.3的GNU coreutils。 BSD uniq -c在单个数字计数之前产生了3个前导空格。 POSIX规范说明uniq -c的输出格式应如下：

printf("%d %s", repeat_count, line);

不会有任何领先的空白。鉴于输出格式可能存在差异，sed脚本与[0-9]正则表达式是处理uniq -c的观察和理论输出变化的最可靠方法：

uniq -c | sort -nr | sed 's/^ *[0-9]* //'

Answer 2

而不是cut -d' ' -f2，请尝试

awk '{$1="";print}'

也许你需要在开头删除一个空白：

awk '{$1="";print}' | sed 's/^.//'

或完全使用sed，保留原始whitspace：

sed -r 's/^[^0-9]*[0-9]+//'

Answer 3

另一种解决方案是：

uniq -c | sort -nr | awk '{print $1, $2}'

您也可以轻松打印单个字段。

Answer 4

如果您想使用下游的count字段，则以下命令会将其重新格式化为管道友好的＆＃39;没有左边填充的制表符分隔格式：

 .. | sort | uniq -c | sed -r 's/^ +([0-9]+) /\1\t/'

对于原始任务来说，这有点过分，但重新格式化后，可以使用cut删除字段，如OP所预期的那样：

 .. | sort | uniq -c | sed -r 's/^ +([0-9]+) /\1\t/' | cut -d $'\t' -f2-

Answer 5

将tr -s添加到管道链中，以便＆＃34;挤压＆＃34;多个空格分隔成一个空格分隔符：

uniq -c | tr -s ' ' | cut -d ' ' -f3

tr在一些不起眼的地方非常有用。不幸的是，它并没有摆脱第一个领先空间，因此-f3