Write a bash script to calculate the frequency of each word in a text file words.txt.

For simplicity sake, you may assume:

• words.txt contains only lowercase characters and space ' ' characters.
• Each word must consist of lowercase characters only.
• Words are separated by one or more whitespace characters.

For example, assume that words.txt has the following content:

the day is sunny the thethe sunny is is

Your script should output the following, sorted by descending frequency:

the 4is 3sunny 2day 1

Note:

Don't worry about handling ties, it is guaranteed that each word's frequency count is unique.

Hint:

Could you write it in one-line using ?

 

这道题给了我们一个文本文件，让我们统计里面单词出现的个数，提示中让我们用管道Pipes来做，在之前那道中，我们使用过管道命令，管道命令的讲解请参见。提示中让我们用管道连接各种命令，然后一行搞定，那么我们先来看第一种解法，乍一看啥都不明白，咋办？没关系，容我慢慢来讲解。首先用的关键字是grep命令，该命令一种强大的文本搜索工具，它能使用正则表达式搜索文本，并把匹配的行打印出来，详解请参见。后面紧跟的-oE '[a-z]+'参数表示原文本内容变成一个单词一行的存储方式，于是此时文本的内容就变成了：

the

day

is

sunny

the

the

the

sunny

is

下面的sort命令就是用来排序的，参见。排完序的结果为：

day

is

is

is

sunny

sunny

the

the

the

the

后面的uniq命令是表示去除重复行命令(参见)，后面的参数-c表示在每行前加上表示相应行目出现次数的前缀编号，得到结果如下：

   1 day

   3 is

   2 sunny

   4 the

然后我们再sort一下，后面的参数-nr表示按数值进行降序排列，得到结果：

   4 the

   3 is

   2 sunny

   1 day 

而最后的awk命令就是将结果输出，两列颠倒位置即可：

 

解法一：

grep -oE '[a-z]+' words.txt | sort | uniq -c | sort -nr | awk '{print $2" "$1}'

 

 

下面这种方法用的关键字是tr命令，该命令主要用来进行字符替换或者大小写替换，详解请参见。后面紧跟的-s参数表示如果发现连续的字符，就把它们缩减为1个，而后面的‘ ’和‘\n'就是空格和回车，意思是把所有的空格都换成回车，那么第一段命令tr -s ' ' '\n' < words.txt 就好理解了，将单词之间的空格都换成回车，跟上面的第一段实现的作用相同，后面就完全一样了，参见上面的讲解：

 

解法二：

tr -s ' ' '\n' < words.txt | sort | uniq -c | sort -nr | awk '{print $2, $1}'

 

 

下面这种方法就没有用管道命令进行一行写法了，而是使用了强大的文本分析工具awk进行写类C的代码来实现，这种写法在之前的那道已经讲解过了，这里就不多说了，最后要注意的是sort命令的参数-nr -k 2表示按第二列的降序数值排列：

 

解法三：

awk '{
        for (i = 1; i <= NF; ++i) ++s[$i];} END {    for (i in s) print i, s[i];}' words.txt | sort -nr -k 2

 

参考资料：