使用 uniq -c 时如何访问前缀答案

【问题标题】：How to access the prefix when using uniq -c使用 uniq -c 时如何访问前缀
【发布时间】：2017-08-19 02:59:33
【问题描述】：

我在我的程序中遇到了问题。我有一个文件列表，我使用此代码对它们进行排序，以找出列表中最常见的 10 种文件类型。

find $DIR -type f | file -b $SAVEFILES | cut -c1-40 | sort -n | uniq -c | sort -nr | head -10

我的输出是这样的

    168 HTML document, ASCII text
    114 C source, ASCII text
    102 ASCII text
     33 ASCII text, with very long lines
     30 HTML document, UTF-8 Unicode text, with 
     26 HTML document, ASCII text, with very lon
     21 C source, UTF-8 Unicode text
     20 LaTeX document, UTF-8 Unicode text, with
     15 SVG Scalable Vector Graphics image
     12 LaTeX document, ASCII text, with very lo

我想要做的是访问文件类型之前的值并替换它们#。我可以使用 for 循环执行此操作，但首先我可以通过某种方式访问它们。

预期的输出是这样的：

   __HTML document, ASCII text               : ################
   __C source, ASCII text                    : ###########
   __ASCII text                              : ##########
   __ASCII text, with very long lines        : ########
   __HTML document, UTF-8 Unicode text, with : #######
   __HTML document, ASCII text, with very lon: ####
   __C source, UTF-8 Unicode text            : #### 
   __LaTeX document, UTF-8 Unicode text, with: ###
   __SVG Scalable Vector Graphics image      : #
   __LaTeX document, ASCII text, with very lo: #

编辑：在我的示例中，# 不代表正确的数字。第一行应该有 168 #，第二行应该有 114 # 等等

【问题讨论】：

查看上一个问题的答案：Calling function in awk
好吧，我试过了，但没用
为什么要删除 bash 标签？
您最近的编辑删除了预期的输出，并使答案似乎无法产生现在听起来像您要求的问题。我已经恢复了它。请受邀进一步完善您的问题，但不要让您更难理解您在寻找什么。

标签： dash-shell

【解决方案1】：

perl方法，补充：

| perl -lpE 's/\s*(\d+)\s(.*)/sprintf "__%-40s: %s", $2, "#"x$1/e'

输出

__HTML document, ASCII text               : ########################################################################################################################################################################
__C source, ASCII text                    : ##################################################################################################################
__ASCII text                              : ######################################################################################################
__ASCII text, with very long lines        : #################################
__HTML document, UTF-8 Unicode text, with : ##############################
__HTML document, ASCII text, with very lon: ##########################
__C source, UTF-8 Unicode text            : #####################
__LaTeX document, UTF-8 Unicode text, with: ####################
__SVG Scalable Vector Graphics image      : ###############
__LaTeX document, ASCII text, with very lo: ############

遵循@Ed 的方法，只使用perl

find "$DIR" -type f | file -b "$SAVEFILES" |\
  perl -lnE '$s{substr$_,0,40}++;}{printf"__%-40s: %s\n",$_,"#"x$s{$_}for(splice@{[sort{$s{$b}<=>$s{$a}}keys%s]},0,9)'

可读性：

perl -lnE '
$seen{ substr $_,0,40 }++;
END {
   printf"__%-40s: %s\n", $_, "#" x $seen{$_}
      for( splice @{[sort { $seen{$b} <=> $seen{$a} } keys %seen]},0,9 )
}'

Ps：请注意，文件实用程序只会测试$SAVEFILES 中的文件，所以find ... | file -b $SAVEFILES 毫无意义

【讨论】：

【解决方案2】：

shell 循环永远不是处理文本的正确方法，请参阅why-is-using-a-shell-loop-to-process-text-considered-bad-practice。

你可以用这个 awk 命令做你想做的事：

$ awk '{printf "%-40s: %s\n", substr($0,9), gensub(/ /,"#","g",sprintf("%*s",$1,""))}' file
HTML document, ASCII text               : ########################################################################################################################################################################
C source, ASCII text                    : ##################################################################################################################
ASCII text                              : ######################################################################################################
ASCII text, with very long lines        : #################################
HTML document, UTF-8 Unicode text, with : ##############################
HTML document, ASCII text, with very lon: ##########################
C source, UTF-8 Unicode text            : #####################
LaTeX document, UTF-8 Unicode text, with: ####################
SVG Scalable Vector Graphics image      : ###############
LaTeX document, ASCII text, with very lo: ############

但正确的做法是从cut 开始删除所有内容，然后执行以下操作：

find "$DIR" -type f | file -b "$SAVEFILES" |
awk '
{ types[substr($0,1,40)]++ }
END {
    PROCINFO["sorted_in"] = "@ind_num_desc"
    for (type in types) {
        printf "%-*s: %s\n", 40, type, gensub(/ /,"#","g",sprintf("%*s",cnt[type],""))
        if (++cnt == 10) {
            break
        }
    }
}
'

上面使用 GNU awk 来处理 sorted_in 和 gensub() 并且第二个是未经测试的，因为你只为最后一部分提供了示例输入，打印了“#”s

【讨论】：

【解决方案3】：

附加这个：

| while read -r n text; do printf "__%s%$((48-${#text}))s: " "$text"; for ((i=0;i<$n;i++)); do printf "%s" "#"; done; echo; done

根据需要更改48。

输入输出：

__HTML 文档，ASCII 文本：########################################### ################################################# ################################################# ######################## __C 源代码，ASCII 文本：########################################### ################################################# #################### __ASCII 文本：############################################### ################################################# ##### __ASCII 文本，行很长：################################ __HTML 文档，UTF-8 Unicode 文本，带有：############################# __HTML 文档，ASCII 文本，很长：########################## __C 源代码，UTF-8 Unicode 文本：#################### __LaTeX 文档，UTF-8 Unicode 文本，带有：#################### __SVG 可缩放矢量图形图像：################ __LaTeX 文档，ASCII 文本，非常低：############

【讨论】：

重要提示：我已将 <= 替换为 = 以修复错误。