《Linux探索之旅》全系列
內容簡介
前言
成果展示
解題步驟和答案
可能的優化
第五部分第九課預告
1. 前言
上一課 Linux探索之旅 | 第五部分第七課：Shell實現圖片展示網頁 中，我們做了一個有趣的練習。
這個練習用一個 Shell 腳本來生成一個 HTML 文件，這個 HTML 文件是一個展示圖片縮略圖的網頁，點擊每個縮略圖還會鏈接到原始圖片。
這一課我們繼續做一個進階的 Shell 腳本練習。這個練習要實現的是對一個英語字典做統計。
通過這個練習，你將鞏固 Shell 和 Linux 的知識點。
https://github.com/frogoscar/english-dictionary
你可以選擇 git clone 到你本地目錄，或者下載 zip 壓縮包。然後提取裡面的 words.txt 文件即可。
對於 Git 和 Github 的使用有任何疑問，歡迎閱讀我的文章 ：Git，Github和Gitlab簡介和基本使用
當然了，如果你自己能在網上找到其他完整的英文字典的文本文檔也可以，不一定要用我這個。
2. 成果展示
我們要用到的字典文本文檔裡的內容類似如下：
字典開頭
字典結尾
我們要寫一個 Shell 腳本，來顯示這個龐大的字典中 26 個英文字母（從 a 到 z ）出現的次數，而且以次數最多到最少的順序排列。
成果是像下面這樣的：
可以看到，字母 e 出現的次數最多，是 363325 次； 字母 j 出現的次數最少，是 5073 次。
下面給出我的解題步驟和答案，希望大家最好先不看答案，嘗試著自己解決問題，然後再來看答案。
你的解法也許比我還要好。相信你可以的，加油！
3. 解題步驟和答案
首先，我們創建一個文件夾，然後把 words.txt 這個字典文件放進去。
然後，我們在文件夾中創建一個文件，就是我們的腳本，叫 statistics.sh 好了，因為 statistics 是英語「統計」的意思。
vim statistics.sh
因為這個練習涉及到數據的處理，所以可以回去參考 Linux探索之旅 | 第三部分第一課：數據處理，慢條斯理 那一課。
還有 「管道、流、重定向」 （ Linux探索之旅 | 第三部分第二課：流、管道、重定向，三管齊下 ）等等。
你也許還會在使用一些命令時忘了如何用，那你可以查一下命令的使用手冊 （ Linux探索之旅 | 第二部分第八課：RTFM 閱讀那該死的手冊 ）。
根據上面的成果那張截圖，我們可以看到要實現的是 ：
「在終端打印出結果，按照字母出現的次數來排列，由最多到最少。在次數左邊，依次是 該次數對應的字母、空格、短橫槓、空格。而且每個字母是大寫的（在字典文件中字母都是小寫，因此需要小寫到大寫的轉換）」。
因此，我們首先需要統計每個字母出現的次數。
怎麼做呢？我們想到了 grep 命令，它可以幫助我們在文件中查找所需的字母。
我們首先用命令行來測試，之後再著手編寫我們的 statistics.sh 這個文件。
首先，在命令行中輸入以下命令：
grep -io a words.txt
回車運行後可以看到輸出了許多行，每一行包含一個 a。
因為 grep 就是用於在文件中查找關鍵字，並且顯示關鍵字所在的行。
這裡我們用了 -i 和 -o 兩個參數。-i 參數我們之前學過，是 ignore-case 的簡寫，表示「忽略大小寫」。
而-o 這個參數我們之前沒學過，不過可以用 man grep 來看看：
man grep
可以看到 -o 參數中的 o 是英語 only-matching 的簡寫，表示「只匹配」。其描述 「 Print only the matched (non-empty) parts of a matching line, with each such part on a separate output line. 」可以翻譯為 「只顯示匹配行中不為空的那個匹配的部分，每個這樣的部分被單獨顯示在一行上」。
如果不加 -o 參數而直接用
grep -i a words.txt
那麼輸出是這樣的：
理解了嗎？不加 -o 參數，那麼 grep 就會輸出每一個包含 a 的行。而每一行 （字典文件中一行有一個單詞）也許包含不止一個 a。因此為了統計所有的 a，我們須要加上 -o 參數。
既然我們已經用 grep -io a words.txt 命令來輸出了所有字母 a 的 出現（逐行顯示），那麼我們可以用
wc -l 命令來統計行數，即可知道 a 的出現次數了。接下來我們就用管道來把 grep 命令的結果賦給 wc 命令：
grep -io a words.txt | wc -l
可以看到輸出是 273400，表示 words.txt 文件中字母 a 出現了 273400 次。
我們也可以不加 -o 參數來測試一下：
grep -i a words.txt | wc -l
可以看到輸出是 206518，比 273400 少了很多，因為不加 -o 參數只統計了 a 出現的那些行（相當於統計了包含 a 的單詞數目），而不是統計 a 的真正出現次數。
我們現在已經知道如何統計字母 a 的次數了，那麼舉一反三，統計其他 25 個字母也不在話下。我們可以用一個循環語句來實現：
for char in {a..z}; do
可以看到我們在終端輸入 for 循環語句後，依次打印出了 a, b, c, 一直到 z 這 26 個字母在 words.txt 文件中出現的次數。
雖然現在我們只是開了個頭，但是已經可以來寫我們的 Shell 腳本了。
我們首先寫一些基礎的部分：
#!/bin/bash# Verification of parameter# 確認參數if [ -z $1 ]
上面兩段代碼分別用於確認參數和確認文件存在，如果不滿足 if 條件，那麼用 echo 顯示提示信息，然後用 exit 命令退出 Shell。
然後，我們來定義一個函數，就叫 statistics 好了，我們繼續在 statistics.sh 這個文件中加入以下代碼：
# Definition of function# 函數定義statistics () { for char in {a..z}for char in {a..z} 不難理解，用於遍歷 a 到 z 這 26 個英語字母。
echo "$char - `grep -io "$char" $1 | wc -l`" 這句首先用 echo 命令輸出 char 變量的值 （依次取值 a 到 z ），然後輸出一個空格，輸出短橫槓，再輸出一個空格，然後輸出 grep -io "$char" $1 | wc -l 這句命令的運行結果，也就是 char 變量對應的字母的出現次數 。
我們運行這個腳本（別忘了用 chmod +x statistics.sh 為腳本加上可執行權限）：
./statistics.sh words.txt
可以看到我們的腳本文件如我們所願從 a 到 z 輸出了這 26 個字母，格式也是我們需要的：
字母 - 出現次數
但是，目前我們的字母沒有大寫，而且還不是按出現次數最多到最小排序的，因此我們還要繼續探索。
為了使 echo 命令的輸出中的小寫字母被轉成大寫，我們可以用 tr 命令。tr 是 translate 的縮寫，表示「翻譯，轉化」。
我們的函數改為如下：
# Definition of function# 函數定義statistics () { for char in {a..z}tr /a-z/ /A-Z/ 表示把所有 a 到 z 的小寫字母轉為對應的大寫字母 A-Z。
這下我們的字母已經都變成大寫了，我們還剩最後一點沒做：對這 26 行輸出根據字母出現次數排序。
為了實現這個，我們需要用到 sort 命令，sort命令用於對文件的行進行排序。
我們還需要一箇中轉的文件，用於暫時儲存我們的 echo 命令循環輸出的這 26 行數據。
因此我們可以用輸出重定向來把 echo "$char - `grep -io "$char" $1 | wc -l`" | tr /a-z/ /A-Z/ 的結果依次寫入一個文件，比如取名為 tmp.txt。
然後再用 sort 命令對這個文件的行進行排序，把排序結果顯示到終端。
我們的函數改為如下：
# Definition of function# 函數定義statistics () { for char in {a..z}我們在 echo "$char - `grep -io "$char" $1 | wc -l`" | tr /a-z/ /A-Z/ 之後加了 >> tmp.txt，以把輸出重定向到文件 tmp.txt 末尾。
然後用 sort 命令對 tmp.txt 文件中的行進行排序。
我們用了 sort 命令的 -r，-n，-k 和 -t 四個參數。
其中 -r 和 -n 參數我們比較熟悉，-n 參數用於對數字排序，-r 參數用於倒序排列。
-k 參數用於指定根據哪幾列進行排序，這裡用
-k 2 表示根據第 2 列來排序。-t 參數用於指定列和列之間用什麼作為分隔符，這裡用 -t - 表示分隔符是 - 。
然後每次我們都要把 tmp.txt 這個臨時文件刪除，用 rm tmp.txt 。
我的最終代碼：
#!/bin/bash# Verification of parameter# 確認參數if [ -z $1 ]
上面只是我的解法，你的解題思路和代碼當然不必和我一樣。而且我也非常肯定我的代碼不夠優。
我相信各位能想出更好的解法，歡迎留言補充（如果留言支持代碼，可以把你的代碼貼出來）。
這個程序雖然短小，但是我們用到了 Linux 中的 grep 命令，sort 命令，wc 命令，rm 命令，echo 命令，exit 命令，管道 （ | ），重定向（ >> ）。Shell 中的條件語句 （ if ），循環語句 （ for ），函數，等知識點。
4. 可能的優化
我給出的解方是基礎的，你可以自由發揮。
下面提出幾點優化的設想：
除了第一個參數，也就是要統計的字典文件的名字，我們還可以添加其他參數，來完成更多任務。
改變輸出的形式，使之更美觀。
每一行可以輸出更多信息。
嘗試不借助中間文件 tmp.txt。
其他優化，就有待大家去發揮自己的想象力咯！
5. 第五部分第九課預告
今天的課就到這裡，一起加油吧！
下一課我們來做一些測試吧 ：第五部分測試題
然後就進入第六部分了。
我是[謝恩銘](http://www.jianshu.com/u/44339a8a9afa)，在巴黎奮鬥的軟件工程師。
[我的簡介](http://www.jianshu.com/p/e1c5835fee7d)
[我的經歷](http://www.jianshu.com/p/86c2cfe3b390)
熱愛生活，喜歡游泳，略懂烹飪。
人生格言：“向著標杆直跑”
閱讀更多 程序員聯盟 的文章
