题目:[百度搜狐面试题] 统计url出现次数
oldboy.log http://www.etiantain.org/index.html http://www.etiantain.org/1.html http://post.etiantain.org/index.html http://mp3.etiantain.org/3.html http://www.etiantain.org/1.html http://post.etiantain.org/2.html uniq - report or omit repeated lines
去除相邻的重复的行
[root@moban data]# cat ip.txt 10.0.0.9 10.0.0.8 10.0.0.7 10.0.0.7 10.0.0.8 10.0.0.8 10.0.0.9 [root@moban data]# uniq ip.txt 10.0.0.9 10.0.0.8 10.0.0.7 10.0.0.8 10.0.0.9 让重复的行相邻 [root@moban data]# sort ip.txt 10.0.0.7 10.0.0.7 10.0.0.8 10.0.0.8 10.0.0.8 10.0.0.9 10.0.0.9 [root@moban data]# sort ip.txt |uniq 10.0.0.7 10.0.0.8 10.0.0.9 [root@moban data]# sort -u ip.txt 10.0.0.7 10.0.0.8 10.0.0.9 -u, --unique with -c, check for strict ordering; without -c, output only the first of an equal run [root@moban data]# sort ip.txt |uniq -c 2 10.0.0.7 3 10.0.0.8 2 10.0.0.9 uniq:-c 计数 -c, --count prefix lines by the number of occurrences [root@moban data]# awk -F / '{print $3}' url.txt www.etiantain.org www.etiantain.org post.etiantain.org mp3.etiantain.org www.etiantain.org post.etiantain.org
解答:
[root@moban data]# awk -F / '{print $3}' url.txt|sort|uniq -c 1 mp3.etiantain.org 2 post.etiantain.org 3 www.etiantain.org 降序排序: 法1: [root@moban data]# awk -F / '{print $3}' url.txt|sort|uniq -c|sort -r 3 www.etiantain.org 2 post.etiantain.org 1 mp3.etiantain.org 法2:cut [root@moban data]# cut -d / -f3 url.txt |sort|uniq -c|sort -r 3 www.etiantain.org 2 post.etiantain.org 1 mp3.etiantain.org 优化: [root@moban data]# cut -d / -f3 url.txt |sort -r|uniq -c 3 www.etiantain.org 2 post.etiantain.org 1 mp3.etiantain.org 排序: sort –rn [root@lanny test]# cat ip.txt 10.0.0.9 o 10.0.0.9 a 10.0.0.8 z 10.0.0.8 k 10.0.0.8 c 10.0.0.7 n 10.0.0.7 f 对第二列排序 -t 分隔符 –k 第几列 [root@lanny test]# sort -t " " -k2 ip.txt 10.0.0.9 a 10.0.0.8 c 10.0.0.7 f 10.0.0.8 k 10.0.0.7 n 10.0.0.9 o 10.0.0.8 z 分隔符默认是空格,因此 –t 可以省略 [root@lanny test]# sort -k2 ip.txt [root@lanny test]# sort -rk2 ip.txt #倒序排列 -t 表示按点号分隔域 类似awk的-F,取字段用$1 $2或cut的-d,取字段f数字. sort –runtk -r 倒序 –u 去重 –n数字 -t分隔 –k 第几行 uniq –c 题目:要求对ip的第三列降序排序,如果第三列相同,那就第四列按照降序排序. [root@lanny test]# cat arp.txt 192.168.0.3 00:e0:4c:41:d2:a5 192.168.2.2 00:e0:4c:41:d1:7d 192.168.3.7 00:50:bf:11:94:60 192.168.3.5 00:e0:4c:43:a3:46 192.168.2.4 00:0a:eb:6d:08:10 192.168.1.2 00:01:6c:99:37:47 192.168.4.9 00:0a:e6:b5:d1:4b 192.168.0.4 00:0e:1f:51:74:24 192.168.6.7 00:1d:72:40:b2:e1 192.168.8.4 00:01:6c:36:5d:64 192.168.1.22 00:e0:4c:41:ce:73 192.168.0.15 00:e0:4c:41:d7:0e 192.168.2.9 00:e0:4c:41:d1:8b 192.168.0.122 00:16:ec:c5:46:45 192.168.9.115 00:01:6c:98:f7:07 192.168.7.111 00:17:31:b6:6e:a9 sort -t. -k3.1,3.1nr -k4.1,4.3nr arp.txt -k多少列 -k3.1,3.3 第三列第一个字符到第三列第一个字符 -k4.1,4.3 第四列第一个字符,第四列第三个字符 [root@lanny test]# sort -t. -k3.1,3.1nr -k4.1,4.3nr arp.txt 192.168.9.115 00:01:6c:98:f7:07 192.168.8.4 00:01:6c:36:5d:64 192.168.7.111 00:17:31:b6:6e:a9 192.168.6.7 00:1d:72:40:b2:e1 192.168.4.9 00:0a:e6:b5:d1:4b 192.168.3.7 00:50:bf:11:94:60 192.168.3.5 00:e0:4c:43:a3:46 192.168.2.9 00:e0:4c:41:d1:8b 192.168.2.4 00:0a:eb:6d:08:10 192.168.2.2 00:e0:4c:41:d1:7d 192.168.1.22 00:e0:4c:41:ce:73 192.168.1.2 00:01:6c:99:37:47 192.168.0.122 00:16:ec:c5:46:45 192.168.0.15 00:e0:4c:41:d7:0e 192.168.0.4 00:0e:1f:51:74:24 192.168.0.3 00:e0:4c:41:d2:a5 题目:[百度搜狐面试题] 统计url出现次数 ---awk解决 oldboy.log http://www.etiantain.org/index.html http://www.etiantain.org/1.html http://post.etiantain.org/index.html http://mp3.etiantain.org/3.html http://www.etiantain.org/1.html http://post.etiantain.org/2.html 数组: [root@lanny test]# awk 'BEGIN{array[1]="lanny";array[2]="oldlanny";for(key in array) print key,array[key]}' 1 lanny 2 oldlanny t2.awk #!/bin/awk BEGIN{ array[1]="lanny" array[2]="oldlanny" for(key in array) print key,array[key] } 解析:begin定义,表示初始化数组 [root@lanny test]# awk -f t2.awk 1 lanny 2 oldlanny [root@lanny test]# ./t2.awk #加了权限后可以这样执行 -f 从文件读 另一种方式: 提供BEGIN和END的作用是给程序赋予初始状态和在程序之后执行一些扫尾的工作. 任何在BEGIN之后列出的操作(在{}内)将在awk开始扫描输入之前执行,而END之后列出的操作将在扫描完全部的输入之后执行.因此,通常使用BEGIN来显示变量和预置(初始化)变量,使用END来输出最终结果. 将数组输出 [root@lanny test]# awk 'BEGIN{array[1]="lanny";array[2]="oldlanny";}END{for (key in array) print key,array[key]}' /etc/hosts #没什么实在意义,只不过写法需要数据流, begin 初始化,end 处理. 1 lanny 2 oldlanny [root@lanny test]#cat /etc/hosts | awk 'BEGIN{array[1]="lanny";array[2]="oldlanny";}END{for (key in array) print key,array[key]}' 将文件内容输出为数组 [root@lanny test]# awk 'BEGIN{array[1]="lanny";array[2]="oldlanny";}END{for (key in array) print key,array[key]}' /etc/hosts > awk.log [root@lanny test]# cat awk.log 1 lanny 2 oldlanny 把第一列做为下标,第二列做为值输出.放入S[]输出 [root@lanny test]# awk '{S[$1]=$2}END{for(k in S) print k,S[k]}' awk.log 1 lanny 2 oldlanny