我想要统计文档中的行数，并将其按前缀词进行分组。 前缀是由第一个下划线分隔的一组字母数字字符。 我不关心sorting他们，但它是很好的列出他们出现的次数下降。
该文件如下所示：
prefix1_data1 prefix1_data2_a differentPrefix_data3 prefix1_data2_b differentPrefix_data5 prefix2_data4 differentPrefix_data5 输出应该是以下内容：
prefix1 3 differentPrefix 3 prefix2 1
我已经在Python中做了这个，但我很好奇，如果可以使用命令行或bash脚本更有效地做到这一点？ uniq命令有-c和-w选项，但是前缀的长度可能会有所不同。
你可以使用awk ：
awk -F_ '{a[$1]++}END{for(i in a) print i,a[i]}' file
字段分隔符被设置为_ 。
一个数组a填充了所有的第一个元素，以及它们的相关计数。
当文件被解析时，数组内容被打印
使用sed ， sort和uniq命令组合的解决方案：
sed -rn 's/^([^_]+)_.*/\1/p' testfile | sort | uniq -c
输出：
3 differentPrefix 3 prefix1 1 prefix2
^([^_]+)_ – 从字符串的开头到下划线的第一个匹配的子字符串（前缀，包含除_之外的任何字符）
可以按照以下方式完成，testfile是具有上述内容的文件。
printf %-20s%d"\n" prefix1 $(cat testfile|grep "^prefix1" | wc -l) printf %-20s%d"\n" differentPrefix $(cat testfile|grep "^differentPrefix" | wc -l) printf %-20s%d"\n" prefix2 $(cat testfile|grep "^prefix2" | wc -l)
所以你可以用你的代码检查这个，并检查哪一个更有效。
我喜欢RomanPerekhrest的回答。 它更简洁。 这里是一个小的改变，通过使用cut代替sed使它更简洁。
cut -d_ -f1 testfile | sort | uniq -c