192. 统计词频

题目描述

写一个 bash 脚本以统计一个文本文件 words.txt 中每个单词出现的频率。

为了简单起见，你可以假设：

words.txt只包括小写字母和 ' ' 。
每个单词只由小写字母组成。
单词间由一个或多个空格字符分隔。
示例:

假设 words.txt 内容如下：

the day is sunny the the
the sunny is is

你的脚本应当输出（以词频降序排列）：

the 4
is 3
sunny 2
day 1

说明:

不要担心词频相同的单词的排序问题，每个单词出现的频率都是唯一的。
你可以使用一行 Unix pipes 实现吗？

分析

使用awk命令做统计
awk命令说明：
awk程序的结构:
每个awk程序都是一个或多个模式-动作语句的序列：
pattern { action }
pattern { action }
...

模式匹配，则执行动作
常见模式有：
BEGIN, END,/正则表达式/,表达式

统计的action, 模式省略:

{for(i=1;i <= $NF; i++){++m[$i]}}

说明：
NF是分隔的字段数目
1-$NF表示分隔的第一个到最后一个字符串
m是hash表
输出结果的模式-动作:

END {for(k in m){print k, m[k]}}

END是读取到结束的模式
for(k in m)
k是数组的key

最后需要对结果进行排序，使用

|sort -nrk 2

-n表示按数值排序
-r表示逆序
-k 2表示按第二个字段排序

代码

# Read from the file words.txt and output the word frequency list to stdout.
awk '{for(i=1;i<= NF;i++) {++m[$i]}} END{for(k in m){ print k,m[k]}}' words.txt | sort -rnk 2

题目链接

https://leetcode-cn.com/problems/word-frequency/description/