1. 先导文章——关于行过滤 和 列截取

• 前几天被问到一个问题，之前没用过，感觉挺尴尬的，束手无策，今天抽空去了解一下，其实就两三个命令的事，不过感觉也挺有意思的，顺便记录下来，供大家参考。

• 看这篇文章之前用到了其他工具，如果需要的话，可以看看下面的文章：

  linux常用命令介绍 03 篇——常用的文本处理工具之grep和cut（以及部分正则使用）.

2. 关于单个统计单词个数

2.1 grep

• 上篇文章里有介绍，可以使用grep -c的命令进行统计，如下：

  grep -c 'www.google.com' http.txt
  

  

2.2 wc

• wc 统计使用选项如下：
  1. wc -l：统计单词出现的行次数
  2. wc -w：统计单词出现的次数
• 使用例子如下：

  grep 'www.google.com' http2.txt | wc -w
  grep 'www.google.com' http2.txt | wc -l
  cat http2.txt | grep '8080' | wc -w
  

  

3. 统计文档中每个关键词出现的次数

3.1 先看文档内容 + 需求

3.1.1 文档内容

• 文档内容如下：
  

  https://www.google.com/index.html
  https://www.baidu.com/index.html
  https://www.zhihu.com/
  https://www.csdn.net/
  https://weread.qq.com/
  https://www.baidu.com/hello.html
  http://localhost:8080/hello.html
  https://www.google.com/en.html
  https://www.google.com/cn.html
  

3.1.2 需求

• 想实现的需求就是，把上面文档里的所有域名进行统计，并排序打印，要实现如下的效果（前面是域名出现的次数，后面是域名）：
  

3.2 分析并实现需求

• 观察文档里的内容，分析如下：

1. 第一步：列截取域名
   • 首先，我们提取的有规律，是域名，所以根据文档里内容的规律，考虑使用列截取方法，使用 cut 工具。此处不熟悉的可以点进去上面的链接。
   • 二话不说，执行命令，先看第一步效果：

     cut -d'/' -f3 http.txt
     

     
     嗯，还不错，浓缩出精华来了，但是 localhost:8080 不是我们想要的，怎么处理，接下来第二步……
2. 第二步：行过滤掉非域名 localhost:8080

   • 根据第一步的效果，我们在第二步里要把 localhost:8080 这个就要用到我们的 grep 行过滤了，不太清楚的话，还是点进去上面的链接，这里不多说，直接看效果：

     cut -d'/' -f3 http.txt | grep -v 'localhost'
     

     
     嗯，貌似也还不错，至少达到了我们第二步想要的效果了，好，接下来就是怎么统计并排序了，这就需要用到我们另一个命令了，uniq，关于这个命令的使用可以看下面的文章，在这里不做介绍，如下：

     linux常用命令介绍 04 篇——uniq命令使用介绍（Linux重复数据的统计处理）.

3. 第三步：使用 uniq 命令 和 sort 命令进行排序并统计
   • 对这两命令有疑问的，点上面的链接，里面有详细的介绍与使用示例。
   • 下面直接看效果：

     cut -d'/' -f3 http.txt | grep -v 'localhost' | sort
     cut -d'/' -f3 http.txt | grep -v 'localhost' | sort | uniq -c
     

     
     好，几乎接近我们要实现的目标了，就差怎么把前面统计的数字也给排序一下了，继续往下……
4. 第四步：按域名统计个数的数字大小进行排序
   • 这步就是在上面基础上再使用一次 sort 即可，生序、降序都可实现，效果如下:

     cut -d'/' -f3 http.txt | grep -v 'localhost' | sort | uniq -c | sort
     cut -d'/' -f3 http.txt | grep -v 'localhost' | sort | uniq -c | sort -r
     

     
     好了，到这里就是完美地实现了上面的需求了！！
5. 第五步：可了解
   • 当然，上面四步已经实现了需求，下面这个只是了解，我就方上效果，可以看看：

     cut -d'/' -f3 http.txt | grep -v 'localhost' | sort | uniq -c | sort -r | awk '{print $2,$1}'
     cut -d'/' -f3 http.txt | grep -v 'localhost' | sort | uniq -c | sort -r | awk '{print $1,$2}'
     

     
     好了，这个就介绍到这里吧，希望对你有帮助！