Pipes实现LeetCode(192.单词频率)
[leetcode] 192.word frequency 单词频率
write a bash script to calculate the frequency of each word in a text file words.txt.
for simplicity sake, you may assume:
- words.txt contains only lowercase characters and space ' ' characters.
- each word must consist of lowercase characters only.
- words are separated by one or more whitespace characters.
for example, assume that words.txt has the following content:
the day is sunny the the
the sunny is is
your script should output the following, sorted by descending frequency:
the 4
is 3
sunny 2
day 1
note:
don't worry about handling ties, it is guaranteed that each word's frequency count is unique.
could you write it in one-line using unix pipes?
这道题给了我们一个文本文件，让我们统计里面单词出现的个数，提示中让我们用管道pipes来做，在之前那道tenth line中，我们使用过管道命令。提示中让我们用管道连接各种命令，然后一行搞定，那么我们先来看第一种解法，乍一看啥都不明白，咋办？没关系，容我慢慢来讲解。首先用的关键字是grep命令，该命令一种强大的文本搜索工具，它能使用正则表达式搜索文本，并把匹配的行打印出来。后面紧跟的-oe '[a-z]+'参数表示原文本内容变成一个单词一行的存储方式，于是此时文本的内容就变成了：
the
day
is
sunny
the
the
the
sunny
is
下面的sort命令就是用来排序的。排完序的结果为：
day
is
is
is
sunny
sunny
the
the
the
the
后面的uniq命令是表示去除重复行命令，后面的参数-c表示在每行前加上表示相应行目出现次数的前缀编号，得到结果如下：
1 day
3 is
2 sunny
4 the
然后我们再sort一下，后面的参数-nr表示按数值进行降序排列，得到结果：
4 the
3 is
2 sunny
1 day
而最后的awk命令就是将结果输出，两列颠倒位置即可：
解法一：
grep -oe '[a-z]+' words.txt | sort | uniq -c | sort -nr | awk '{print $2" "$1}'
下面这种方法用的关键字是tr命令，该命令主要用来进行字符替换或者大小写替换。后面紧跟的-s参数表示如果发现连续的字符，就把它们缩减为1个，而后面的‘ '和‘\n'就是空格和回车，意思是把所有的空格都换成回车，那么第一段命令tr -s ' ' '\n' < words.txt 就好理解了，将单词之间的空格都换成回车，跟上面的第一段实现的作用相同，后面就完全一样了，参见上面的讲解：
解法二：
tr -s ' ' '\n' < words.txt | sort | uniq -c | sort -nr | awk '{print $2, $1}'
下面这种方法就没有用管道命令进行一行写法了，而是使用了强大的文本分析工具awk进行写类c的代码来实现，这种写法在之前的那道transpose file已经讲解过了，这里就不多说了，最后要注意的是sort命令的参数-nr -k 2表示按第二列的降序数值排列：
解法三：
awk '{
for (i = 1; i <= nf; ++i) ++s[$i];
} end {
for (i in s) print i, s[i];
}' words.txt | sort -nr -k 2
参考资料：
到此这篇关于pipes实现leetcode(192.单词频率)的文章就介绍到这了,更多相关pipes实现单词频率内容请搜索以前的文章或继续浏览下面的相关文章希望大家以后多多支持！