Calculer Girl
  1. Calculer Girl
  3. Compter les lignes et regrouper par mot de préfixe
Intereting Posts
Construire l’erreur PySide pour Android: ‘getWrapperForQObject’ n’est pas membre de ‘PySide’ Comment énumérer toutes les sources enregistrées pour un EventLog .htaccess RewriteRule pour la catégorie / page dans un CMS personnalisé enregistrer la taille des paquets MySQL après l’arrêt Comment récupérer le fichier de firebase database du serveur xampp? Quelle est la meilleure façon d’utiliser les utilitaires Linux sous Windows? comment supprimer un fichier dont le nom commence par ‘-‘ Vérification de l’exécution du script python dans le script python multiprocessing.Pool.apply_async sous Windows Nginx: connexion à syslog Qu’est-ce qu’une commande Unix qui ne renverra jamais rien, quels que soient les parameters qui lui sont donnés? Différence entre vm.dirty_ratio et vm.dirty_background_ratio? Ubuntu: “Impossible de trouver les rails localement ou dans un référentiel” Mettez à niveau R version 2.15.1 à 3.3 sur le serveur Debian (linux-gnu) Accéder à phpMyAdmin à partir d’un ordinateur distant – GUIDE étrange

Compter les lignes et regrouper par mot de préfixe

Je veux compter le nombre de lignes dans un document et le regrouper par le mot de préfixe. Le préfixe est un ensemble de caractères alphanumériques délimités par le premier trait de soulignement. Je ne me soucie pas beaucoup de les sortinger, mais ce serait bien de les énumérer par nombre d’occurrences.

Le fichier ressemble à ceci: 

prefix1_data1 prefix1_data2_a differentPrefix_data3 prefix1_data2_b differentPrefix_data5 prefix2_data4 differentPrefix_data5

Le résultat doit être le suivant: 

 prefix1 3 differentPrefix 3 prefix2 1

Je l’ai déjà fait en python mais je suis curieux de savoir s’il est possible de le faire plus efficacement en utilisant la ligne de commande ou le script bash? uniq commande uniq a les options -c et -w mais la longueur du préfixe peut varier.

Vous pouvez utiliser awk : 

 awk -F_ '{a[$1]++}END{for(i in a) print i,a[i]}' file

Le séparateur de champs est défini sur _ .

Un tableau a est rempli de tous les premiers éléments, avec leur compte associé.

Lorsque le fichier est analysé, le contenu du tableau est imprimé

La solution utilisant la combinaison des commandes sed , sort et uniq : 

 sed -rn 's/^([^_]+)_.*/\1/p' testfile | sort | uniq -c

Le résultat: 

 3 differentPrefix 3 prefix1 1 prefix2

^([^_]+)_ – correspond à une sous-chaîne (préfixe, contenant tous les caractères sauf _ ) depuis le début de la chaîne jusqu’à la première occurrence du trait de soulignement _

J’aime la réponse de RomanPerekhrest. C’est plus concis. Voici un petit changement pour le rendre encore plus concis en utilisant cut in place of sed. 

 cut -d_ -f1 testfile | sort | uniq -c

Peut être fait de la manière suivante, le fichier de test est un fichier avec le contenu mentionné ci-dessus. 

 printf %-20s%d"\n" prefix1 $(cat testfile|grep "^prefix1" | wc -l) printf %-20s%d"\n" differentPrefix $(cat testfile|grep "^differentPrefix" | wc -l) printf %-20s%d"\n" prefix2 $(cat testfile|grep "^prefix2" | wc -l)

vous pouvez donc vérifier cela avec votre code et vérifier lequel est le plus efficace.