leetcode 192. 统计词频

最新推荐文章于 2025-05-17 02:15:00 发布

田园诗人之园

最新推荐文章于 2025-05-17 02:15:00 发布

阅读量342

点赞数

分类专栏： leetcode 文章标签： Word Frequency leetcode 119 shell

本文链接：https://blog.youkuaiyun.com/u014100559/article/details/107122305

版权

leetcode 专栏收录该内容

120 篇文章

订阅专栏

写一个 bash 脚本以统计一个文本文件 words.txt 中每个单词出现的频率。

为了简单起见，你可以假设：

words.txt只包括小写字母和 ' ' 。
每个单词只由小写字母组成。
单词间由一个或多个空格字符分隔。

示例:

假设 words.txt 内容如下：

the day is sunny the the
the sunny is is

你的脚本应当输出（以词频降序排列）：

the 4
is 3
sunny 2
day 1

说明:

不要担心词频相同的单词的排序问题，每个单词出现的频率都是唯一的。
你可以使用一行 Unix pipes 实现吗？

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/word-frequency
著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。

该题可以有很多种的解法, 如可以通过各种工具去解析，也可以自己用纯bash去处理。

xargs -a words.txt | xargs -n 1 | sort | uniq -c | sort -nr | awk '{print $1" "$2}'

cat words.txt | xargs -n 1 | sort | uniq -c | sort -nr | awk '{print $1" "$2}'

cat words.txt|tr -s ' ' '\n'|sort |uniq -c|sort -r|awk '{print $2,$1}'

for xargs
xargs -a file 用于从file里面去读取参数
xargs -n num 用于设置没一个命令行可以显示的参数个数

Usage: xargs [OPTION]... COMMAND [INITIAL-ARGS]...
  -a, --arg-file=FILE          read arguments from FILE, not standard input
  -n, --max-args=MAX-ARGS      use at most MAX-ARGS arguments per command line

for sort
sort 如果什么参数也不加就是单纯的对参数做排序的动做。
sort -h或者sort -n是以数字大小去做排序。
sort -r 表示的是逆序排序
同样sort -hr 或者sort -nr也是按照数字的大小去做逆序排序。

Usage: sort [OPTION]... [FILE]...
  or:  sort [OPTION]... --files0-from=F
  -h, --human-numeric-sort    compare human readable numbers (e.g., 2K 1G)
  -n, --numeric-sort          compare according to string numerical value
  -r, --reverse               reverse the result of comparisons
      --sort=WORD             sort according to WORD:
                                general-numeric -g, human-numeric -h, month -M,
                                numeric -n, random -R, version -V
  -V, --version-sort          natural sort of (version) numbers within text

for uniq
uniq -c是用于去统计相同行出现的次数

Usage: uniq [OPTION]... [INPUT [OUTPUT]]
  -c, --count           prefix lines by the number of occurrences
  -u, --unique          only print unique lines
  -z, --zero-terminated     line delimiter is NUL, not newline

for tr
tr ’ ’ ‘\n’就是要用\n去替换’ ‘,这样可以做到将每个以’ '做为间隔符的单词切换到每行去，这样便于排序然后做数据统计。

Usage: tr [OPTION]... SET1 [SET2]
  -c, -C, --complement    use the complement of SET1
  -d, --delete            delete characters in SET1, do not translate
  -s, --squeeze-repeats   replace each sequence of a repeated character
                            that is listed in the last specified SET,
                            with a single occurrence of that character
  -t, --truncate-set1     first truncate SET1 to length of SET2
      --help     display this help and exit
      --version  output version information and exit

  \n              new line
  \r              return
  \t              horizontal tab

awk可以用于去处理数据流，它的命令行结构：

awk 'BEGIN{ print "start" } pattern { commands } END{ print "end" }' file

awk命令也可以从stdin中读取输入。
awk脚本通常由3部分组成：BEGIN、END和带模式匹配选项的公共语句块（common statement
block）。这3个部分都是可选的，可以不用出现在脚本中。
awk以逐行的形式处理文件。BEGIN之后的命令会先于公共语句块执行。对于匹配PATTERN
的行，awk会对其执行PATTERN之后的命令。最后，在处理完整个文件之后，awk会执行END之后
的命令。
awk '{print $1" "$2}'的用意是将第一个参数和第二个参数的位置调换，用‘ ’做间隔符。