linux - 计算行数并按前缀词分组

Question

我想计算文档中的行数并按前缀词对其进行分组。前缀是一组由第一个下划线分隔的字母数字字符。我不太关心对它们进行排序，但最好按出现次数降序列出它们。

文件看起来像这样:

prefix1_data1
prefix1_data2_a
differentPrefix_data3
prefix1_data2_b
differentPrefix_data5
prefix2_data4
differentPrefix_data5

输出应该是这样的:

prefix1           3
differentPrefix   3
prefix2           1

我已经在 python 中完成了此操作，但我很好奇是否可以使用命令行或 bash 脚本更有效地执行此操作？ uniq 命令有-c 和-w 选项，但前缀的长度可能会有所不同。

Answer 1

使用 sed、sort 和 uniq 命令组合的解决方案:

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

输出:

3 differentPrefix
3 prefix1
1 prefix2

---

^([^_]+)_ - 匹配从字符串开头到第一个的子字符串(前缀，包含除_之外的任何字符)出现下划线 _