计算行数并按前缀词分组

Question

我想计算文档中的行数并按前缀词对其进行分组。前缀是一组由第一个下划线分隔的字母数字字符。我不太关心对它们进行排序，但最好按出现次数降序列出它们。

该文件如下所示：

prefix1_data1
prefix1_data2_a
differentPrefix_data3
prefix1_data2_b
differentPrefix_data5
prefix2_data4
differentPrefix_data5

输出应如下所示：

prefix1           3
differentPrefix   3
prefix2           1

我已经在 python 中做到了这一点，但我很好奇是否可以使用命令行或 bash 脚本更有效地做到这一点？uniq命令有-c和-w选项，但前缀的长度可能会有所不同。

Answer 1

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 2

你可以使用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填充了所有第一个元素及其关联的计数。

解析文件时打印数组内容