计算一行的重复列，打印所有行及其计数

Question

我想要：

$ cat file
ABCDEFG, XXX
ABCDEFG, YYY
ABCDEFG, ZZZ
AAAAAAA, XZY
BBBBBBB, XYZ
CCCCCCC, YXZ
DDDDDDD, YZX
CDEFGHI, ZYX
CDEFGHI, XZY

$ cat file | magic
3 ABCDEFG, XXX
3 ABCDEFG, YYY
3 ABCDEFG, ZZZ
1 AAAAAAA, XZY
1 BBBBBBB, XYZ
1 CCCCCCC, YXZ
1 DDDDDDD, YZX
2 CDEFGHI, ZYX
2 CDEFGHI, XZY

因此，预排序的文件进入，在第一列中标识重复项，计算此重复项的行数，打印重复计数加上所有重复行及其内容，包括第2列中的内容，可以任何与唯一计数无关的东西。两个问题：

1）获得uniq -c的效果，但不删除重复项。

在线搜索后，我真正的“ hacky” sed -e解决方案是这样：

cat file | cut -d',' -f1 | uniq -c | sed -E -e 's/([0-9][0-9]*) (.*)/echo $(yes \1 \2 | head -\1)/;e' | sed -E 's/ ([0-9])/;\1/g' | tr ';' '\n'

[我很惊讶地看到head -\1之类的东西正常工作，但是很好。但是，我觉得应该有一个更简单的解决方案。

2）上面的内容摆脱了第二列。我可以先运行我的代码，然后将其paste运行到原始文件的第二列，但是该文件很大，我希望事情尽可能地提高速度。

有什么建议吗？

Answer 1

awk中的一个。很累，所以没有经过充分测试。我希望它能工作，晚安：

$ awk '
$1!=p {
    for(i=1;i<c;i++)
        print c-1,a[i]
    c=1
}
{
    a[c++]=$0
    p=$1
}
END {
    for(i=1;i<c;i++)
        print c-1,a[i]
}' file

输出：

3 ABCDEFG, XXX
3 ABCDEFG, YYY
3 ABCDEFG, ZZZ
1 AAAAAAA, XZY
1 BBBBBBB, XYZ
1 CCCCCCC, YXZ
1 DDDDDDD, YZX
2 CDEFGHI, ZYX
2 CDEFGHI, XZY