利用Linux命令进行文本按行去重并按重复次数排序

  linux命令行提供了非常强大的文本处理功能，组合利用linux命令能实现好多强大的功能。本文这里举例说明如何利用Linux命令行进行文本按行去重并按重复次数排序。主要用到的命令有sort，uniq。其中，sort主要功能是排序，uniq主要功能是实现相邻文本行的去重。

用于演示的测试文件内容如下：

Hello World. 
    Apple and Nokia. 
    Hello World. 
    I wanna buy an Apple device. 
    The Iphone of Apple company. 
    Hello World. 
    The Iphone of Apple company. 
    My name is Friendfish. 
    Hello World. 
    Apple and Nokia.

1、文本去重

（1）排序

由于uniq命令只能对相邻行进行去重复操作，所以在进行去重前，先要对文本行进行排序，使重复行集中到一起。

排序前：

排序后：

（2）去掉相邻的重复行

如图所示：

2、文本行去重并按重复次数排序

（1）首先，对文本行进行去重并统计重复次数(uniq命令加-c选项可以实现对重复次数进行统计)

如图所示：

（2）按重复次数排序

sort -n可以识别每行开头的数字，并按其大小对文本行进行排序。默认是按升序排列，如果想要按降序要加-r选项(sort -rn)

-------------------------------------------------------手动分割---------------------------------------------------------

2018/09/04

做数据统计的时候遇见一个问题，对一个包含地区名的地区文件做处理的时候（cat diqu.log | sort | uniq -c），发现相邻的地区名

并没有去重，反复试了好几次也没有解决

注意：uniq 命令读取文本文件或者标准输入，并比较相邻的行。正常情况下，相邻的重复行将被删去

最后查了一下，怀疑应该是编码的问题，最后找到了解决方案：

修改系统配置

vi /etc/sysconfig/i18n

#把原配置

LANG="en_US.UTF-8"

#修改为

LANG="zh_CN.GB18030"

做以上修改就能解决问题

-------------------------------------------------------手动分割---------------------------------------------------------

2019/09/18

对于一些文件，我们在去重排序后会有空行存在的问题，比如：

可以看到去重之后的文件是存在空行，可以执行如下命令去除空行：

grep -v '^$' file

效果如下所示：