Linux 命令行有很多的樂趣，我們可以很容易并且完善地執行很多繁瑣的任務。比如，我們計算一個文本文件中字和字符的出現頻率，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，計算字和字符在一個文本文件中出現頻率的 Linux 命令是 wc 命令。

在使用的腳本來分析文本文件之前，我們必須有一個文本文件。為了保持一致性，我們將創建一個文本文件，man命令的輸出如下所述。

代碼如下:

$ man man > man.txt

以上命令是將man命令的使用方式導入到man.txt文件里。

我們希望能得到最平常的單詞，對之前我們新建的文件執行如下腳本。

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

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單詞。

如何看單個的字母呢?那就用如下的命令。

代碼如下:

$ echo 'tecmint team' | fold -w1

Sample Output

[code] t

e

c

m

i

n

t

t

e

a

m

注: -w1只是設定了長度

現在我們將從那個文本文件中掰下來的每一個字母，對結果進行排序，得到所需的輸出頻率的十個最常見的字符。

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

Sample Output

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

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 .

請檢查上面的輸出，標點符號居然包括在內。讓我們干掉他，用tr 命令。GO:

代碼如下:

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

Sample Output

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

現在，我們有了三個文本，那就讓我們用如下命令查看結果吧。

代碼如下:

$ cat *.txt | fold -w1 | tr '[:lower:]' '[:upper:]' | sort | tr -d '[:punct:]' | uniq -c | sort -rn | head -8

Sample Output

代碼如下:

11636

2504 E

2079 A

2005 T

1729 I

1645 N

1632 S

1580 O

下一步我們將會生成那些罕見的至少十個字母長的單詞。以下是簡單的腳本：

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

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，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的單詞和英語中的字符。

現在結束了。下次我會在這里講到另一個有趣的話題，你應該會喜歡讀。還有別忘了向我們提供您的寶貴意見。

總結

以上是生活随笔為你收集整理的在Linux的命令行中实现字符出现频率统计的方法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。