leetcode192 词频统计

awk '{for(i=1;i<=NF;++i){++m[$i]}}END{for(k in m){print k, m[k}}' words.txt | sort -nr -k 2

 

方法（1）：cat words.txt | tr -s ' ' '\n' | sort | uniq -c | sort -rn | awk '{print $2, $1}'

 

1、sort语法复习 
      sort -n 将字符串转数字 
      sort -r 指定顺序为从大到小 
      sort -k 2 指定第二个字段作为排序判断标准

  tr -s ' ' '\n' 是将所有连续的空格 空行删除并保证每一行只有一个字符串 
  sort | uniq -c 通常一起用来统计重复出现的次数。

 

方法（2）：grep -oE '[a-z]+' words.txt | sort | uniq -c | sort -nr | awk '{print $2" "$1}'

grep命令用于查找文件里符合条件的字符串。

 tr -s ' ' '\n' 是将所有连续的空格 空行删除并保证每一行只有一个字符串 
 sort | uniq -c 通常一起用来统计重复出现的次数。

 

方法（3）：awk '{for(i=1;i<=NF;++i){++m[$i]}}END{for(k in m){print k, m[k}}' words.txt | sort -nr -k 2

复习一下awk的语法。不用容易忘。 
(1)awk 是逐行检索文本。分为3的部分。 
BEGIN{#这里进行一些检索文本前的初始化操作} 
{#这里是对应每一

行的操作}。例如这里 for(i=1;i<=NF;++i){++m[$i]}就是将每一行分隔的字段，进行词频统计。 
NF是分隔的字段数。 
$0表示整行字符串 
$1到$NF表示从分隔的第一个字符串到最后一个字符串 
awk中的数组可以用作hashtable做来词频统计。 
END{#在检索文本后的操作} 
for(k in m) k表示的就是m的key。