我有一个使用OCR软件创建的文本
文件 – 大小约为1兆字节.
一些不常见的字符出现在整个文档中,其中大多数是OCR
错误.
我想找到文档中使用的所有字符,以便轻松发现错误(如UNIQ命令,但对于字符,而不是行).
我在Ubuntu上.
我应该使用什么Unix命令来显示文本文件中使用的所有字符？
这应该做你想要的：
cat inputfile | sed 's/\(.\)/\1\n/g' | sort | uniq -c
前提是sed将文件中的每个字符单独放在一行上,然后是通常的排序| uniq -c序列除去每个发生的唯一字符之外的所有字符,并提供每个字符发生次数的计数.
另外,你可以追加|将-n排序到整个序列的末尾,以按每个字符出现的次数对输出进行排序.例：
$echo hello | sed 's/\(.\)/\1\n/g' | sort | uniq -c | sort -n
1
1 e
1 h
1 o
2 l
