awk解字符串问题

1.输入：一个文本文件，第一行是一个数字n，其他每行分别是一个单词以及它出现的百分比。

输出：输出n个单词，每个单词出现的几率符合它的百分比。

 

awk 'BEGIN{sum=0;}1{n=$0}2,${up=sum+$1;while(sum<$1){arr[sum]+=$2;sum++;}if(i>100){exit 1;}}END{while(--n>0){print arr[rand()%100];}'

 

2. 替换字符串

修改test.txt的23行将test换成ttes

sed '23s/test/tset/g' test.txt

Cat test.txt| awk 'NR==23{gsub(/test/,"tset");print $0}'

 

3.统计域名的出现次数

文件有如下若干行

http://www.baidu.com/index.html

http://p_w_picpath.baidu.com/index.html

http://www.baidu.com/index.html

http://www.baidu.com/index.html

http://map.baidu.com/index.html

http://tieba.baidu.com/index.html

http://map.baidu.com/index.html

http://www.baidu.com/index.html

 

统计每个域名出现次数，并按由多到少排序

4 www.baidu.com

2 map.baidu.com

......

 

awk -F'\\/' '{arr[$3]++;}END{for(item in arr){print arr[item], item}}' test | sort -k1nr

 

4. 找到重复最多的行

sort file | awk 'BEGIN{str="";num=0;maxstr="";max=0;}{if(str==$0){num++;if(max<num){maxstr=str;max=num;}}else{str=$0;num=1;}}END{print "The line is ", maxstr, " with ", max, " times";}'

找到重复最多的单词

把单词变成行即可

sed 's/\( \|\t\)/\n/g file | tr -s '\n'