我想计算文本文件中相同单词的数量并按降序显示它们。到目前为止,我有:
cat sample.txt | tr ' ' 'n' | sort | uniq -c | sort -nr
这主要给了我令人满意的输出,除了它包含逗号、句号、! 和连字符等特殊字符的事实。
如何修改现有命令以不包含上述特殊字符?
您可以将
tr
与要删除的字母的复合字符串一起使用。
例:
$ echo "abc, def. ghi! boss-man" | tr -d ',.!'
abc def ghi boss-man
或者,使用 POSIX 字符类,知道例如boss-man
会变得bossman
:
$ echo "abc, def. ghi! boss-man" | tr -d [:punct:]
abc def ghi bossman
旁注:通过使用awk
,您可以获得更多控制和速度:
$ echo "one two one! one. oneone
two two three two-one three" |
awk 'BEGIN{RS="[^[:alpha:]]"}
/[[:alpha:]]/ {seen[$1]++}
END{for (e in seen) print seen[e], e}' |
sort -k1,1nr -k2,2
4 one
4 two
2 three
1 oneone
首先用grep
提取单词怎么样:
grep -o "w+" sample.txt | sort | uniq -c | sort -nr