计数、带sed的groupby或awk

我想根据每一行的内容对一个文件执行两种不同的排序和计数。 1.我需要获取

.tsv

文件的第一列 我想按每一行以三位数字开始分组，只保留前三位数字，对于其他所有内容，只需对第一列中出现的整个句子进行排序和计数

样本数据：

687/878 9
890987  4
01a 55
1b  8743917
890a    34
abcdee  987
dfeqfe  fkdjald
890897  34213
6878853 834
32fasd  53891
abcdee  8794371
abd 873

结果:

687 2
890 3
01a 1
1b  1
32fasd  1
abd 1
dfeqfe  1
abcdee  2

我也希望有一个能够

还应考虑以下示例输入：

687/878 9
890987  4
01a     55
1b      8743917
890a    34
abcdee  987
dfeqfe  545
890897  34213
6878853 834
(632)fasd  53891
(88)abcdee  8794371
abd     873

因此，第一列可能有类似（，），#，'，的值，所有类型的字符

因此，输出将有两列，第一列包含提取的值，第二列包含从源文件提取的新值

还是首选输出格式tsv

所以我需要提取所有以 ^\d\d\d，然后对前三位数字的唯一值进行排序和计数

但在第二次传递中，对每一行也执行相同的操作，即不以3位数字开头，但这一次，保留整列值并按其排序计数

我所尝试的：

| sort | uniq-c | sort-nr

对于以^\d\d\d开头的行，以及

对于那些不满足上述正则表达式的函数也是如此，但是有没有更优雅的方法使用

sed

或

awk

？

您可以尝试Perl

$ cat nefijaka.txt
687     878     9
890987  4
890a    34
abcdee  987
$ perl -lne  ' /^(\d{3})|(\S+)/; $x=$1?$1:$2; $kv{$x}++; END { print "$_\t$kv{$_}" for (sort keys %kv) } ' nefijaka.txt
687     1
890     2
abcdee  1
$

您可以通过管道对其进行排序，并对值进行排序

$ perl -lne  ' /^(\d{3})|(\S+)/; $x=$1?$1:$2; $kv{$x}++; END { print "$_\t$kv{$_}" for (sort keys %kv) } ' nefijaka.txt | sort -k2 -nr
890     2
abcdee  1
687     1

编辑1：

$ cat nefijaka.txt2
687     878     9
890987  4
890a    34
abcdee  987
a word and then 23
$ perl -lne  ' /^(\d{3})|(.+?\t)/; $x=$1?$1:$2; $x=~s/\t//g; $kv{$x}++; END { print "$_\t$kv{$_}" for (sort keys %kv) } ' nefijaka.txt2
687     1
890     2
a word and then 1
abcdee  1
$

你可以试试Perl

$ cat nefijaka.txt
687     878     9
890987  4
890a    34
abcdee  987
$ perl -lne  ' /^(\d{3})|(\S+)/; $x=$1?$1:$2; $kv{$x}++; END { print "$_\t$kv{$_}" for (sort keys %kv) } ' nefijaka.txt
687     1
890     2
abcdee  1
$

您可以通过管道对其进行排序，并对值进行排序

$ perl -lne  ' /^(\d{3})|(\S+)/; $x=$1?$1:$2; $kv{$x}++; END { print "$_\t$kv{$_}" for (sort keys %kv) } ' nefijaka.txt | sort -k2 -nr
890     2
abcdee  1
687     1

编辑1：

$ cat nefijaka.txt2
687     878     9
890987  4
890a    34
abcdee  987
a word and then 23
$ perl -lne  ' /^(\d{3})|(.+?\t)/; $x=$1?$1:$2; $x=~s/\t//g; $kv{$x}++; END { print "$_\t$kv{$_}" for (sort keys %kv) } ' nefijaka.txt2
687     1
890     2
a word and then 1
abcdee  1
$

---

为什么这更复杂？我只看到一个级别的组。简而言之，

awk-F'\t'/^[0-9]{3}/{a[substr（$1,1,3）]++；next}{a[$1]+}END{etc etc}

有两个组，一个组的值为^[0-9]{3}，另一个组的值为所有剩余行的全部值，与^[0-9]{3}不匹配我也希望你能采用awk或sed方法。那么你不应该接受你得到的第一个答案，因为这会阻止人们提供更多的答案，因为你可能已经不再阅读这些答案了。为什么这会更复杂呢？我只看到一个级别的组。简而言之，

awk-F'\t'/^[0-9]{3}/{a[substr（$1,1,3）]++；next}{a[$1]+}END{etc etc}

有两个组，一个组的值为^[0-9]{3}，另一个组的值为所有剩余行的全部值，与^[0-9]{3}不匹配我也很感激awk或sed方法。那么你不应该接受你得到的第一个答案，因为这会阻止人们提供更多的答案，因为你可能不再阅读它们了。只需管道

| sort-k2-nr

。检查我的更新答案以上看起来不错，只要我能排序结果不是按键，而是按发现的事件，如果它能考虑到我在某些单词值中也有一个空格。例如，aa bb cc你是说样本输入中的“aa bb cc”像“abcdee”吗？@stack0114106 OP描述中的两段，从

开始，所以我需要
——接近结尾。@nefijaka。。请提供2组方案的示例输入。。我将把asnwer更新到这个位置，只要pipe
| sort-k2-nr
。检查我的更新答案以上看起来不错，只要我能排序结果不是按键，而是按发现的事件，如果它能考虑到我在某些单词值中也有一个空格。例如，aa bb cc你是说样本输入中的“aa bb cc”像“abcdee”吗？@stack0114106 OP描述中的两段，从
开始，所以我需要
——接近结尾。@nefijaka。。请提供2组方案的示例输入。。我也会将asnwer更新为该版本