如何用BASH单行命令统计tweet中含精确匹配单词play的唯一用户数量

原命令错误点 #

• 未单独提取用户字段，直接对「用户+推文」整行去重，导致同一用户的不同推文会被判定为不同条目
• 缺少最终统计去重后用户总数的步骤
• 未适配CSV逗号后带空格的分隔格式，字段拆分逻辑不够严谨

正确单行BASH命令 #

awk -F ', ' 'NR>1 && $3 ~ /\<play\>/ {print $2}' Dataset.txt | sort -u | wc -l

命令逻辑说明 #

• -F ', '：指定字段分隔符为「逗号+空格」，匹配当前CSV的格式，精准拆分出年份、用户、推文三个字段
• NR>1：跳过第一行表头，避免无效数据干扰
• $3 ~ /\<play\>/：仅匹配推文字段（第三个字段）中包含独立单词play的行，\<和\>是正则词边界标识，不会命中playing这类包含play的派生词
• print $2：输出匹配行的用户名字段
• sort -u：对输出的用户名排序并去重，保留唯一用户
• wc -l：统计去重后的用户行数，最终输出结果为2

内容的提问来源于stack exchange，提问作者homies