在Bash中获取文件中出现频次最高的短语（非单词）

问题原因 #

你之前使用的tr -c '[:alnum:]' '[\n*]'命令会把所有非字母数字字符（包括空格）替换成换行，导致原本作为完整短语的a a被拆成两个单独的a，从而出现错误的统计结果。

正确命令 #

要统计每行（即每个完整短语）的出现次数，直接按行处理即可：

sort a.txt | uniq -c | sort -nr

执行结果 #

运行上述命令后，会得到你期望的输出：

2 a
      1 b
      1 aa
      1 a a

命令说明 #

• sort a.txt：将文件内容按行排序，让相同短语集中排列
• uniq -c：统计连续重复行的出现次数，在每行前添加次数前缀
• sort -nr：按次数从高到低排序（n表示按数值排序，r表示反向排序）

内容的提问来源于stack exchange，提问作者Amit Singh