统计重复行

beyes

如下文本：

$ cat tmp.txt
1111
2222
3333
4444
1111
8888
3333
9999

希望能够对重复的行进行统计。

首先，不能希望只用 uniq 命令作用域 tmp.txt 文件，这不会找出重复的行，因为 uniq 只能处理相邻的重复行。因此，如果想列出重复行，需要先 sort 之后再用 uniq ，如：

$ sort tmp.txt |uniq -d
1111
3333

其中，uniq 的 -d 参数要求去掉非重复的行，而只列出重复的行。如果希望得到重复行的重复数，那么使用 uniq 的 -c 选项：

$ sort tmp.txt |uniq -c -d
      2 1111
      2 3333

此外，还可以使用 awk 命令进行统计，这里使用了数组的方法：

$ cat tmp.txt |awk '{a[$0]++} END {for(i in a) print a, i}'
2 3333
1 2222
1 9999
2 1111
1 4444
1 8888
或者写成：awk '{a[$0]++} END {for(i in a) print a, i}' tmp.txt

在 awk 命令中，由于 tmp.txt 中只有 1 列内容，$0 即代表了该列。awk 对 tmp.txt 中的内容逐行扫描，a[] 这个数组的下标是每行的内容，比如有 a[3333], a[9999] ，这样的数组是关联性数组。在最后的 END 部分的 (i in a) 中的 i 表示的是数组的下标，而不是数组的值。