Bash - 计算文本文件中出现的次数并按降序显示

Question

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，除了它包含特殊字符，如逗号、句号、!和连字符。

如何修改现有命令以不包含上述特殊字符？

Answer 1

您可以使用 tr带有您要删除的字母的复合字符串。

例子:

$ echo "abc, def. ghi! boss-man" | tr -d ',.!'
abc def ghi boss-man

或者，使用 POSIX 字符类知道 boss-man例如将变为 bossman :

$ echo "abc, def. ghi! boss-man" | tr -d [:punct:]
abc def ghi bossman

旁注:您可以使用 awk 获得更多控制和速度。为了这:

$ 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