我曾多次恳求你们，亲爱的读者们，我的请求是“一封信！我的专栏，不，我的王国，只为一封读者来信！”瞧，奇迹发生了，天堂打开了，天使歌唱了，一封信来了

首先，在我甚至阅读这封信之前，我就被结尾的引言吸引住了。拉丁语？那不是，就像，一种死语言吗？事实证明，这句引言很不错，特别是对于大型公司的 IT 管理员来说。它大致翻译为“当一切都失败时，装死”，它来自加拿大喜剧 Red Green Show。（感谢 Google。）

现在，进入信件的核心内容。Mike 指的是早期的专栏，我们在其中研究了如何使用 shell 脚本来确定字母和单词的使用情况，使用了三本书作为素材：《德古拉》、《美国历史》和《傲慢与偏见》，全部从古腾堡计划下载。

在这一系列专栏中，我们确定英语中最常见的十个字母是 e、t、a、o、n、i、s、r、h 和 d。如果我们将其限制为仅单词的第一个字母，它们是否相同？让我们来看看。

一旦我们有了一个写作语料库，并且能够按单词分解它，这样计数脚本的输入流就是

is
like
this

它是这样完成的

$ cat dracula.txt | tr ' ' '\
' | grep -v '[^[:alpha:]]' | grep -v "^$"

这将把 德古拉 变成世界上最窄的书，每行一个单词。

现在我们只需添加到它，通过附加来删除除第一个字母以外的所有内容cut -c1。结果看起来像是电影 黑客帝国 中的那些字母流，但这又是另一个故事了。

所以，剩下的就是将大写字母转换为小写字母，排序，然后使用我们的朋友uniq -c来统计结果

tr '[:upper:]' '[:lower:]' | sort | uniq -c | sort -rn | head

而且，结果前十名是

20648 t
15787 a
11110 i
10655 w
9906 h
9030 s
7618 o
5720 m
5411 b
4597 f

非常不同！现在，问题是，它是否会根据内容类型而改变？让我们执行相同的命令，但这次，让我们输入我们所有的三本书，而不仅仅是 德古拉（尽管 暮光之城 <咳嗽咳嗽> 的狂热流行，也许 Linux Journal 最好在几个问题上坚持吸血鬼主题？）

34359 t
27053 a
18212 w
18119 h
17854 i
15746 s
13614 o
10076 b
9792 m
7712 f

这并不完全相同。这不是很意思吗？我不确定该如何理解它，但正如你所看到的，对 shell 脚本命令的良好掌握使得找出这种相当滑稽的信息变得有趣。

但是，我们还没有完全完成，因为 Mike 也想知道两个字母的组合。正是这种查询真正显示了掌握命令行会多么有帮助。要计算它，只需更改上面调用的命令中的一个字符。你知道是什么吗？

它是 cut 命令。上面，我们指定我们只想要输入行的第一个字符，使用cut -c1。如果我们想要前两个，我们可以简单地根据需要调整该命令标志。

但是，-c2不会起作用，因为那只会给我们每个单词的第二个字母（而英语中最常见的第二个字母是 o，其次是 h、e、a 和 n）。

相反，我们需要使用字母范围，它看起来像这样-c1-2。该调用的结果是

22100 th
10168 an
9138 to
7508 he
7100 of
5873 i<space>
5517 in
5332 ha
5157 be
4664 wh

给你，Mike。英语中最常见的两个字母组合是 th，这实际上很有道理，其次是 an，但差距很大。

我希望如何使用它来计算最常见的三字母组合是显而易见的（the 是最常见的三字母组合，其次是 and，这应该一点也不令人惊讶）。

我将在这里结束，但再次，我邀请您给我发送您的来信和查询，以便我们可以探索使用 shell 脚本的各种方法。