Question

我想根据每一行的内容对文件执行两种不同的排序和计数。 1.我需要使用.tsv文件的第一列我想按以三位数字开头的每一行进行分组，并且只保留前三位数字，对于其他所有内容，只需对第一列中句子的整个出现进行排序和计数即可。

样本数据：

687/878 9
890987  4
01a 55
1b  8743917
890a    34
abcdee  987
dfeqfe  fkdjald
890897  34213
6878853 834
32fasd  53891
abcdee  8794371
abd 873

结果：

687 2
890 3
01a 1
1b  1
32fasd  1
abd 1
dfeqfe  1
abcdee  2

我也希望解决方案

还考虑了示例输入

687/878 9
890987  4
01a     55
1b      8743917
890a    34
abcdee  987
dfeqfe  545
890897  34213
6878853 834
(632)fasd  53891
(88)abcdee  8794371
abd     873

因此第一列可能具有（，），＃，'等所有字符的值

所以输出将有两列，第一列提取的值，第二列包含新的计数，并从源文件中提取新的值。

再次选择首选输出格式tsv。

所以我需要提取所有以 ^ \ d \ d \ d，然后对于这前三个数字，对唯一值进行排序和计数，

但是在第二遍中，也对每行执行相同的操作，该操作不是以3位数字开头，但是这一次，请保留整个列的值并以此为依据进行排序。

我尝试过的方法： | sort | uniq -c | sort -nr表示以^ \ d \ d \ d和

开头的行

对于不满足上述正则表达式的用户而言，是否相同，但是使用sed或awk还是有更优雅的方式吗？

Answer 1

$ cat tst.awk
BEGIN { FS=OFS="\t" }
{ cnt[/^[0-9]{3}/ ? substr($1,1,3) : $1]++ }
END {
    for (key in cnt) {
        print (key !~ /^[0-9]{3}/), cnt[key], key, cnt[key]
    }
}

$ awk -f tst.awk file | sort -k1,2n | cut -f3-
687     1
890     2
abcdee  1

Answer 2

您可以尝试Perl

$ cat nefijaka.txt
687     878     9
890987  4
890a    34
abcdee  987
$ perl -lne  ' /^(\d{3})|(\S+)/; $x=$1?$1:$2; $kv{$x}++; END { print "$_\t$kv{$_}" for (sort keys %kv) } ' nefijaka.txt
687     1
890     2
abcdee  1
$

您可以通过管道对其进行排序并获得排序的值。

$ perl -lne  ' /^(\d{3})|(\S+)/; $x=$1?$1:$2; $kv{$x}++; END { print "$_\t$kv{$_}" for (sort keys %kv) } ' nefijaka.txt | sort -k2 -nr
890     2
abcdee  1
687     1

EDIT1：

$ cat nefijaka.txt2
687     878     9
890987  4
890a    34
abcdee  987
a word and then 23
$ perl -lne  ' /^(\d{3})|(.+?\t)/; $x=$1?$1:$2; $x=~s/\t//g; $kv{$x}++; END { print "$_\t$kv{$_}" for (sort keys %kv) } ' nefijaka.txt2
687     1
890     2
a word and then 1
abcdee  1
$

计数，使用sed分组或awk

2 个答案: