欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

在Linux的命令行中實(shí)現(xiàn)字符出現(xiàn)頻率統(tǒng)計(jì)的方法

開源中文社區(qū)   發(fā)布時(shí)間：2015-06-18 18:32:59   作者：Avishek Kumar   我要評(píng)論
這篇文章主要介紹了在Linux的命令行中實(shí)現(xiàn)字符出現(xiàn)頻率統(tǒng)計(jì)的方法,文中展示了各種字詞以出現(xiàn)次數(shù)結(jié)果排序的命令行操作,需要的朋友可以參考下

Linux 命令行有很多的樂趣，我們可以很容易并且完善地執(zhí)行很多繁瑣的任務(wù)。比如，我們計(jì)算一個(gè)文本文件中字和字符的出現(xiàn)頻率，這就是我們打算在這篇文章中講到的。

立刻來到我們腦海的命令，計(jì)算字和字符在一個(gè)文本文件中出現(xiàn)頻率的 Linux 命令是 wc 命令。
在使用的腳本來分析文本文件之前，我們必須有一個(gè)文本文件。為了保持一致性，我們將創(chuàng)建一個(gè)文本文件，man命令的輸出如下所述。

   

復(fù)制代碼
代碼如下:
$ man man > man.txt

以上命令是將man命令的使用方式導(dǎo)入到man.txt文件里。

我們希望能得到最平常的單詞，對(duì)之前我們新建的文件執(zhí)行如下腳本。

   

復(fù)制代碼
代碼如下:
$ cat man.txt | tr ' ' '\012' | tr '[:upper:]' '[:lower:]' | tr -d '[:punct:]' | grep -v '[^a-z]' | sort | uniq -c | sort -rn | head

Sample Output

   

復(fù)制代碼
代碼如下:
7557
262 the
163 to
112 is
112 a
78 of
78 manual
76 and
64 if
63 be

上面的腳本，輸出了最常使用的十個(gè)單詞。

如何看單個(gè)的字母呢？那就用如下的命令。

   

復(fù)制代碼
代碼如下:
$ echo 'tecmint team' | fold -w1</p> <p>Sample Output</p> <p> [code] t
e
c
m
i
n
t
t
e
a
m

注: -w1只是設(shè)定了長度

現(xiàn)在我們將從那個(gè)文本文件中掰下來的每一個(gè)字母，對(duì)結(jié)果進(jìn)行排序，得到所需的輸出頻率的十個(gè)最常見的字符。

    $ fold -w1 < man.txt | sort | uniq -c | sort -rn | head

Sample Output

   

復(fù)制代碼
代碼如下:
8579
2413 e
1987 a
1875 t
1644 i
1553 n
1522 o
1514 s
1224 r
1021 l

如何區(qū)分大小寫呢？之前我們都是忽略大小寫的。所以，用如下命令。

    $ fold -w1 < man.txt | sort | tr '[:lower:]' '[:upper:]' | uniq -c | sort -rn | head -20

Sample Output

   

復(fù)制代碼
代碼如下:
11636
2504 E
2079 A
2005 T
1729 I
1645 N
1632 S
1580 o
1269 R
1055 L
836 H
791 P
766 D
753 C
725 M
690 U
605 F
504 G
352 Y
344 .

請(qǐng)檢查上面的輸出，標(biāo)點(diǎn)符號(hào)居然包括在內(nèi)。讓我們干掉他，用tr 命令。GO:

   

復(fù)制代碼
代碼如下:
$ fold -w1 < man.txt | tr '[:lower:]' '[:upper:]' | sort | tr -d '[:punct:]' | uniq -c | sort -rn | head -20

Sample Output

     

復(fù)制代碼
代碼如下:
11636
2504 E
2079 A
2005 T
1729 I
1645 N
1632 S
1580 O
1550
1269 R
1055 L
836 H
791 P
766 D
753 C
725 M
690 U
605 F
504 G
352 Y

現(xiàn)在，我們有了三個(gè)文本，那就讓我們用如下命令查看結(jié)果吧。

   

復(fù)制代碼
代碼如下:
$ cat *.txt | fold -w1 | tr '[:lower:]' '[:upper:]' | sort | tr -d '[:punct:]' | uniq -c | sort -rn | head -8

Sample Output

     

復(fù)制代碼
代碼如下:
11636
2504 E
2079 A
2005 T
1729 I
1645 N
1632 S
1580 O

下一步我們將會(huì)生成那些罕見的至少十個(gè)字母長的單詞。以下是簡單的腳本：

   

復(fù)制代碼
代碼如下:
$ cat man.txt | tr '' '\012' | tr '[:upper:]' '[:lower:]' | tr -d '[:punct:]' | tr -d '[0-9]' | sort | uniq -c | sort -n | grep -E '..................' | head

Sample Output

   

復(fù)制代碼
代碼如下:
1 ──────────────────────────────────────────
1 a all
1 abc any or all arguments within are optional
1 able see setlocale for precise details
1 ab options delimited by cannot be used together
1 achieved by using the less environment variable
1 a child process returned a nonzero exit status
1 act as if this option was supplied using the name as a filename
1 activate local mode format and display local manual files
1 acute accent

注: 上面的.越來越多，其實(shí)，我們可以使用.{10} 得到同樣的效果。

這些簡單的腳本，讓我們知道最頻繁出現(xiàn)的單詞和英語中的字符。

現(xiàn)在結(jié)束了。下次我會(huì)在這里講到另一個(gè)有趣的話題，你應(yīng)該會(huì)喜歡讀。還有別忘了向我們提供您的寶貴意見。

相關(guān)文章

  • 在Linux系統(tǒng)中修改文本的字符編碼的方法

    這篇文章主要介紹了在Linux系統(tǒng)中修改文本的字符編碼的方法, 用iconv工具顯示內(nèi)置編碼以后我們便可以在不同的字符編碼進(jìn)行切換,需要的朋友可以參考下
    2015-06-17

  • linux系統(tǒng)下 文件夾和文件的字符集編碼方式轉(zhuǎn)換

    這篇文章主要為大家介紹了linux系統(tǒng)下 文件夾和文件的字符集編碼方式轉(zhuǎn)換，若用ftp客戶端訪問資源時(shí)，遇到亂碼情況，也請(qǐng)核實(shí)客戶端編碼方式和服務(wù)器是否一致
    2014-10-24

  • linux系統(tǒng)中字符集知識(shí)

    本文介紹了linux字符集的相關(guān)知識(shí)，當(dāng)在項(xiàng)目中用到服務(wù)器端導(dǎo)出并且查詢條件中包含漢字時(shí)，總是導(dǎo)出失敗，Excel中出現(xiàn)null字樣，如何解決方法呢？
    2014-04-24

最新評(píng)論