bash sort / uniq -c：如何在输出中使用制表符而不是空格作为分隔符？答案

【问题标题】：bash sort / uniq -c: how to use tab instead of space as delimiter in output?bash sort / uniq -c：如何在输出中使用制表符而不是空格作为分隔符？
【发布时间】：2016-07-12 19:13:21
【问题描述】：

我有一个文件strings.txt 列出字符串，我正在处理它：

sort strings.txt | uniq -c | sort -n > uniq.counts

因此生成的文件uniq.counts 将列出按计数升序排序的 uniq 字符串，如下所示：

 1 some string with    spaces
 5 some-other,string
25 most;frequent:string

请注意，strings.txt 中的字符串可能包含空格、逗号、分号和其他分隔符，制表符除外。我怎样才能让uniq.counts 采用这种格式：

 1<tab>some string with    spaces
 5<tab>some-other,string
25<tab>most;frequent:string

【问题讨论】：

这不是关于sort 的真正问题（或者，更确切地说，更改sort 使用的分隔符既简单又显示在手册页中，如-t aka --field-separator ; 因此sort -t $'\t' 足以回答原标题中提出的全部问题）；有趣的部分是如何将uniq -c 使用的分隔符更改为制表符。
正如 chepner 简要评论的那样——即使在默认情况下使用 IFS，while read -r count content; do ... 也可以使用原始输出格式成功解析来自 uniq.counts 中其余输出的计数，而无需单独字符。
这能回答你的问题吗？ Why uniq -c output with space instead of \t?

标签： bash sorting delimiter

【解决方案1】：

你可以这样做：

sort strings.txt | uniq -c | sort -n | sed -E 's/^ *//; s/ /\t/' > uniq.counts

sed 将首先删除行首（计数前）的所有前导空格，然后将计数后的空格替换为tab 字符。

【讨论】：

【解决方案2】：

在写入uniq.counts 之前，您可以简单地将排序等的输出通过管道传输到sed，例如添加：

| sed -e 's/^\([0-9][0-9]*\)\(.*$\)/\1\t\2/' > uniq.counts

完整的表达式是：

$ sort strings.txt | uniq -c | sort -n | \
sed -e 's/^\([0-9][0-9]*\)\(.*$\)/\1\t\2/' > uniq.counts

（为清楚起见，包括续行）

【讨论】：

【解决方案3】：

使用 GNU sed：

sort strings.txt | uniq -c | sort -n | sed -r 's/([0-9]) /\1\t/' > uniq.counts

输出到 uniq.counts：

1 一些带空格的字符串 5 其他，字符串 25 最；频繁：字符串

如果您想“就地”编辑文件，请使用 sed 的选项 -i。

【讨论】：