Linux awk+uniq+sort 统计文件中某字符串出现次数并排序

原地址：https://blog.csdn.net/qq_28766327/article/details/78069989

 

在服务器开发中，我们经常会写入大量的日志文件。有时候我们需要对这些日志文件进行统计。Linux中我们可以利用以下命令简单高效的实现这一功能。

需要用到的命令简介
cat命令
cat命令主要有三大功能
1.一次显示整个文件 cat filename
2.创建一个文件 cat > fileName
3.将几个文件合并为一个文件 cat file1 file2 > file
参数：
  -n 或 --number 由 1 开始对所有输出的行数编号
  -b 或 --number-nonblank 和 -n 相似，只不过对于空白行不编号
  -s 或 --squeeze-blank 当遇到有连续两行以上的空白行，就代换为一行的空白行
  -v 或 --show-nonprinting

| 管道
管道的作用是将左边命令的输出作为右边命令的输入

awk 命令
awk 是行处理器，优点是处理庞大文件时不会出现内存溢出或处理缓慢的问题，通常用来格式化文本信息。awk依次对每一行进行处理，然后输出。
命令形式 awk [-F|-f|-v] ‘BEGIN{} //{command1; command2} END{}’ file
  [-F|-f|-v] 大参数，-F指定分隔符，-f调用脚本，-v定义变量 var=value
  ’ ’ 引用代码块
  BEGIN 初始化代码块，在对每一行进行处理之前，初始化代码，主要是引用全局变量，设置FS分隔符
  // 匹配代码块，可以使字符串或正则表达式
  {} 命令代码块，包含一条或多条命令
  ;多条命令使用分号分隔
  END 结尾代码块，对每一行进行处理后再执行的代码块，主要进行最终计算或输出
由于篇幅限制，可自行查找更详细的信息。这里awk命令的作用是从文件中每一行取出我们需要的字符串

sort 命令
sort将文件的每一行作为一个单位，相互比较，比较原则是从首字符向后，依次按ASCII码值进行比较，最后将他们按升序输出。
  -b：忽略每行前面开始出的空格字符；
  -c：检查文件是否已经按照顺序排序；
  -d：排序时，处理英文字母、数字及空格字符外，忽略其他的字符；
  -f：排序时，将小写字母视为大写字母；
  -i：排序时，除了040至176之间的ASCII字符外，忽略其他的字符；
  -m：将几个排序号的文件进行合并；
  -M：将前面3个字母依照月份的缩写进行排序；
  -n：依照数值的大小排序；
  -o<输出文件>：将排序后的结果存入制定的文件；
  -r：以相反的顺序来排序；
  -t<分隔字符>：指定排序时所用的栏位分隔字符；

uniq 命令
uniq 命令用于报告或忽略文件中的重复行，一般与sort命令结合使用
   -c或——count：在每列旁边显示该行重复出现的次数；
  -d或–repeated：仅显示重复出现的行列；
  -f<栏位>或–skip-fields=<栏位>：忽略比较指定的栏位；
  -s<字符位置>或–skip-chars=<字符位置>：忽略比较指定的字符；
  -u或——unique：仅显示出一次的行列；
  -w<字符位置>或–check-chars=<字符位置>：指定要比较的字符。

> 命令
> 是定向输出到文件,如果文件不存在，就创建文件。如果文件存在，就将其清空
另外 >>是将输出内容追加到目标文件中。其他同>

现在我们开始
1 读入文件

cat test.log.2017-09-20 
1
执行结果
    

2 从每一行取出我们需要的字符串

cat check_info.log.2017-09-20 | awk -F '(txt=|&client)' '{print $2}'
1
awk 命令中 -F 指定每一行的分隔符 在这里 '(txt=|&client)‘是分隔符，它是一个正则表达式。意义是，用’txt=‘或’&client’ 作为分隔符
举例来说下面这行

  sdate=2017-09-20 23:59:32&txt=com.ford.fordmobile&client_id=x

会被分割成

sdate=2017-09-20 23:59:32&
com.ford.fordmobile
_id=x



三部分
其中第二部分"com.ford.fordmobile"是我所需要的字段

而’{print $2}'的意思是将每行得到的第二个值打印出来，$0代表获取的所有值
执行效果如下
    

3 对行进行排序
先排序是因为去重与统计的 'unip’命令只能处理相邻行

cat check_info.log.2017-09-20 | awk -F '(txt=|&client)' '{print $2}'|sort

执行结果

可以看到相同行已经被排在了一起

4 统计数量与去重

cat check_info.log.2017-09-20 | awk -F '(txt=|&client)' '{print $2}'| sort | uniq -c

uniq -c 中的-c 代表在每列旁边显示该行重复出现的次数
执行结果

5 按重复次数排序

cat check_info.log.2017-09-20 | awk -F '(txt=|&client)' '{print $2}'| sort | uniq -c | sort -nr

sort 的 -n：依照数值的大小排序；-r 按照相反顺序排列

执行结果

 

6 将结果输出到文件中

cat check_info.log.2017-09-20 | awk -F '(txt=|&client)' '{print $2}'| sort | uniq -c | sort -nr > testfile

可以看到我们当前目录已有testfile 目录
用vim 打开可以看到