Bash - 计算文本文件中出现的次数并以降序显示

Question

我想计算文本文件中相同单词的数量并按降序显示它们。 到目前为止，我有：

cat sample.txt | tr ' ' '\n' | sort | uniq -c | sort -nr 

其中大部分是给我满足，除了一个事实，即它包含特殊字符，如逗号，句号，输出！和连字符。

如何修改现有命令不包含上述特殊字符？

Answer 1

可以使用tr你想删除的字母的合成弦线。

例子：

$ echo "abc, def. ghi! boss-man" | tr -d ',.!' 
abc def ghi boss-man 

或者，使用POSIX字符类明知boss-man例如将成为bossman：

$ echo "abc, def. ghi! boss-man" | tr -d [:punct:] 
abc def ghi bossman 

---

旁注：你可以有更多的控制和速度通过使用awk为此：

$ echo "one two one! one. oneone 
two two three two-one three" | 
awk 'BEGIN{RS="[^[:alpha:]]"} 
    /[[:alpha:]]/ {seen[$1]++} 
    END{for (e in seen) print seen[e], e}' | 
sort -k1,1nr -k2,2 
4 one 
4 two 
2 three 
1 oneone 

Answer 2

如何提取第一单词，grep：

grep -o "\w\+" sample.txt | sort | uniq -c | sort -nr