如何 grep bash 中字母乱序的字符串？

Question

我有一个任务要做，就是找到一些在特定文本文件中重复的字符串（首字母缩略词）。

下面是一个示例：

...
the
the
het
het
het
teh
teh
teh
teh
...

在第一步中，我可以用这个命令计算每个出现的次数：

cat text_file.txt | sort | uniq -c | sort -gr

输出是这样的：

2 the
3 het
4 teh

但我还需要 "count/sum" 这三个输出，因为它们使用相同的三个字符，但顺序不同。

你们能帮我解决这个问题吗？

Answer 1

在给定空 FS 和 sorted_in:

的情况下，使用 GNU awk 将字符串拆分为字符

$ cat tst.awk
{
    split([=10=],chars,"")
    PROCINFO["sorted_in"] = "@val_str_asc"
    key = ""
    for (i in chars) {
        key = key chars[i]
    }
    cnt[key]++
}
END {
    PROCINFO["sorted_in"] = "@ind_str_asc"
    for (key in cnt) {
        print key, cnt[key]
    }
}

$ cat file
the
het
teh
foobar
fobar
oofrab

$ awk -f tst.awk file
abfoor 2
abfor 1
eht 3

如何 grep bash 中字母乱序的字符串？

How to grep a string in bash with letters out of order?

string

bash

gnu-coreutils

acronym