Contar líneas únicas en un archivo es una tarea común en Linux. Este artículo presenta dos métodos eficientes en la línea de comandos: usando sort y uniq, y usando awk.
Tabla de contenido
Contando líneas únicas con sort y uniq
Este método combina el poder de sort y uniq para un enfoque directo. sort ordena las líneas alfabéticamente, un requisito previo para uniq, que cuenta solo las líneas idénticas consecutivas. La opción -c en uniq agrega un prefijo de conteo a cada línea.
Para contar líneas únicas en file.txt:
sort file.txt | uniq -c
Esto muestra cada línea única con su conteo. Para obtener el número total de líneas únicas, canalice la salida a wc -l:
sort file.txt | uniq -c | wc -l
Ejemplo:
Si file.txt contiene:
manzana
plátano
manzana
naranja
plátano
manzana
sort file.txt | uniq -c produce:
3 manzana
2 plátano
1 naranja
Y sort file.txt | uniq -c | wc -l produce:
3
Contando líneas únicas con awk
awk ofrece una solución flexible, particularmente útil para escenarios más complejos. Este método emplea una matriz asociativa para rastrear líneas únicas y sus conteos.
Para contar líneas únicas y mostrarlas con sus conteos:
awk '{count[$0]++} END {for (line in count) print count[line], line}' file.txt
Este script incrementa el conteo para cada línea en la matriz count, usando la línea como clave. El bloque END itera a través de la matriz, imprimiendo el conteo de cada línea y la línea misma.
Para obtener solo el conteo total de líneas únicas:
awk '{count[$0]++} END {print length(count)}' file.txt
Esto usa length(count) para mostrar directamente el número de líneas únicas (el tamaño de la matriz).
Ejemplo:
Usando el mismo file.txt, el primer comando awk produce la misma salida que el método sort | uniq -c. El segundo comando awk produce 3, indicando tres líneas únicas.
Elija el método que mejor se adapte a sus necesidades. sort y uniq son más simples para tareas básicas; awk proporciona mayor flexibilidad para escenarios complejos.