Question

我想计算文档中的行数并将其按前缀词分组。前缀是由第一个下划线分隔的一组字母数字字符。我不太关心它们的排序，但根据出现的次数列出它们会很好。

该文件如下所示：

prefix1_data1
prefix1_data2_a
differentPrefix_data3
prefix1_data2_b
differentPrefix_data5
prefix2_data4
differentPrefix_data5

输出应如下：

prefix1           3
differentPrefix   3
prefix2           1

我已经在python中做过这个但是我很好奇是否可以使用命令行或bash脚本更高效地执行此操作？ uniq命令有-c和-w个选项，但前缀的长度可能会有所不同。

Answer 1

您可以使用awk：

awk -F_ '{a[$1]++}END{for(i in a) print i,a[i]}' file

字段分隔符设置为_。

数组a将填充所有第一个元素及其关联计数。

解析文件时，打印数组内容

Answer 2

使用sed，sort和uniq命令组合的解决方案：

sed -rn 's/^([^_]+)_.*/\1/p' testfile | sort | uniq -c

输出：

3 differentPrefix
3 prefix1
1 prefix2

^([^_]+)_ - 匹配从字符串开头到第一次出现下划线_的子字符串（前缀，包含除_之外的任何字符）

Answer 3

我喜欢RomanPerekhrest的回答。它更简洁。这是一个小改动，通过使用cut代替sed来使其更简洁。

cut -d_ -f1 testfile | sort | uniq -c

Answer 4

可以按照以下方式完成，testfile是包含上述内容的文件。

printf %-20s%d"\n" prefix1 $(cat testfile|grep "^prefix1" | wc -l)
printf %-20s%d"\n" differentPrefix $(cat testfile|grep "^differentPrefix" | wc -l)
printf %-20s%d"\n" prefix2 $(cat testfile|grep "^prefix2" | wc -l)

所以你可以用你的代码检查一下，并检查哪一个更有效。

按前缀字计数行和分组

4 个答案: