使用awk+sort+uniq进行文本分析
原创作品，允许转载，转载时请务必以超链接形式标明文章 原始出处 、作者信息和本声明。否则将追究法律责任。http://wanyuetian.blog.51cto.com/3984643/1716971
1、uniq命令
uniq - report or omit repeated lines
介绍：uniq对指定的ASCII文件或标准输入进行唯一性检查，以判断文本文件中重复出现的行。常用于系统排查及日志分析
命令格式：
uniq [OPTION]... [File1 [File2]]
uniq从已经排序好的文本文件File1中删除重复的行，输出到标准标准输出或File2。常作为过滤器，配合管道使用。
在使用uniq命令之前，必须确保操作的文本文件已经过sort排序，若不带参数运行uniq，将删除重复的行。
常见参数：
-c, --count prefix lines by the number of occurrences 去重后计数
2、实战演练
在白银等地区，都构建了全面的区域性战略布局，加强发展的系统性、市场前瞻性、产品创新能力，以专注、极致的服务理念，为客户提供网站建设、成都做网站 网站设计制作按需策划,公司网站建设,企业网站建设,高端网站设计,全网整合营销推广,成都外贸网站建设公司,白银网站建设费用合理。
测试数据：
| 1
2
3
4
5
6
7
8
| [root@web01 ~]# cat uniq.txt
10.0.0.9
10.0.0.8
10.0.0.7
10.0.0.7
10.0.0.8
10.0.0.8
10.0.0.9
|
a、直接接文件，不加任何参数，只对相邻的相同内容去重：
| 1
2
3
4
5
6
| [root@web01 ~]# uniq uniq.txt
10.0.0.9
10.0.0.8
10.0.0.7
10.0.0.8
10.0.0.9
|
b、sort命令让重复的行相邻（-u参数也可完全去重），然后用uniq进行完全去重
| 1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
| [root@web01 ~]# sort uniq.txt
10.0.0.7
10.0.0.7
10.0.0.8
10.0.0.8
10.0.0.8
10.0.0.9
10.0.0.9
[root@web01 ~]# sort -u uniq.txt
10.0.0.7
10.0.0.8
10.0.0.9
[root@web01 ~]# sort uniq.txt|uniq
10.0.0.7
10.0.0.8
10.0.0.9
|
c、sort配合uniq去重后计数
| 1
2
3
4
| [root@web01 ~]# sort uniq.txt|uniq -c
2 10.0.0.7
3 10.0.0.8
2 10.0.0.9
|
3、企业案例
处理一下文件内容，将域名取出并根据域名进行计数排序处理（百度和sohu面试题）
| 1
2
3
4
5
6
7
| [root@web01 ~]# cat access.log
http://www.etiantian.org/index.html
http://www.etiantian.org/1.html
http://post.etiantian.org/index.html
http://mp3.etiantian.org/index.html
http://www.etiantian.org/3.html
http://post.etiantian.org/2.html
|
解答：
分析：此类问题是运维工作中最常见的问题。可以演变成分析日志，查看TCP各个状态连接数，查看单IP连接数排名等等。
| 1
2
3
4
| [root@web01 ~]# awk -F '[/]+' '{print $2}' access.log|sort|uniq -c|sort -rn -k1
3 www.etiantian.org
2 post.etiantian.org
1 mp3.etiantian.org
|
网站名称：使用awk+sort+uniq进行文本分析
网站地址：http://pwwzsj.com/article/iessip.html
