[转帖]010 Linux 文本统计与去重 (wc 和 uniq)

https://my.oschina.net/u/3113381/blog/5427461

wc 命令一般是作为组合命令的一员与其他命令一同起到统计的作用。而一般情况下使用 wc -l 命令较多。 uniq 可检查文本文件中重复出现的行，一般与 sort 命令结合使用。一起组合搭配使用完成统计、排序、去重。

1 wc 常用组合命令

• ls | wc -l # 统计当前文件夹下，文件数量；
• ls *.txt | wc -l # 统计当前文件夹下、第一层目录下所有的 txt 文件数量；
• find . -maxdepth 1 -name '*.txt' | wc -l # 统计当前文件夹、第一层目录下所有的 txt 文件数量；

2 wc 基本参数和格式

命令格式： wc [-clmw] [file ...]

1. -c # 统计字节数
2. -l # 统计行数
3. -w # 统计单词数
4. -m # 统计字符数

3 wc 命令示例

c、l、w、m 用例

read.text 内容如下：

!
hello china!
hello!
china!

配合 grep 统计命中的目标行数用例

# grep 正则匹配统计命中的目标行数，wc 命令在后面
grep -E  "(14:41(.)+internal-internal spend)"  002.info.log | wc -l

4 uniq 的常用参数以及配合 sor t 应用示例

uniq 常用参数

uniq 可检查文本文件中重复出现的行，一般与 sort 命令结合使用。

1. -c 或 --count 在每列旁边显示该行重复出现的次数；
2. -d 或 --repeated 仅显示重复出现的行；
3. -u 或 --unique 仅显示出一次的行；

info.log 内容如下：

111,222,333
111,222,333
333,444,555
xxx,yyy,zzz

cat info.log |sort -r

xxx,yyy,zzz
333,444,555
111,222,333
111,222,333

cat info.log |sort|uniq

111,222,333
333,444,555
xxx,yyy,zzz

cat info.log |sort -r|uniq -u

xxx,yyy,zzz
333,444,555

cat info.log |sort -r|uniq -d

111,222,333

cat info.log |sort -r|uniq -c

1 xxx,yyy,zzz
1 333,444,555
2 111,222,333

5 案例一（文本统计）

有一个 b. txt 文本 (内容如下)，要求将所有域名截取出来，并统计重复域名出现的次数。

http://www.baidu.com/index.html
https://www.atguigu.com/index.html
http://www.sina.com.cn/1024.html
https://www.atguigu.com/2048.html
http://www.sina.com.cn/4096.html
https://www.atguigu.com/8192.html

命令和结果

cat b.txt |cut -d "/" -f3 |sort| uniq -c|sort -nr
3 www.atguigu.com
2 www.sina.com.cn
1 www. baidu.com

# cut -d "/" -f3  用"/"作为分隔符，截取第个3字段
# sort 第一次排序
# uniq -c 显示该行重复次数
# sort -nr 按照数值从大到小排序

6 案例二（ ip 连接数统计并排序）

统计当前服务器正在连接的 ip 地址，并按连接次数排序；

netstat -an I grep ESTABLISHED | awk '{print $5}' | cut -d ":" -f1 | sort -n | uniq -c | sort -nr

7 小结

wc 用来统计指定文件中的字节数、行数、单词数、字符数； uniq 可检查文本文件中重复出现的行列。 可对标准输入，配合 grep、sort、find 等命令完成统计、排序、去重。