Início / coding / Perguntas / 78926343
Accepted
IUnknown
Asked: 2024-08-29 14:11:41 +0800 CST

Para encontrar contagem de palavras arquivo por arquivo

  • 772

É possível determinar o número de vezes que uma palavra específica aparece em vários arquivos - arquivo por arquivo - usando grep

a opção "-c", mas isso retorna o número de linhas correspondentes em que a palavra específica aparece - e não funcionaria, pois uma linha pode conter várias instâncias da palavra

Por exemplo :

Arquivo A.txt: cerca de 12345 palavras e risco e risco

Arquivo B.txt: e 12345 então outro risco

Arquivo C.txt: palavras fictícias

Eu executaria grep -l "12345" *.txt | xargs grep ?????? risk - Saída esperada A.txt:2 B.txt:1

unix

3 respostas

  1. ripgrep suporta esta funcionalidade nativamente:

    $ rg --count-matches -w risk *.txt
B.txt:1
A.txt:2

    Caso contrário, escreva um script bash seguindo estas linhas:

    for f in *.txt
do
   echo "$f:$(grep -w risk "$f" | tr ' ' '\n' | grep -cw risk)"
done

    com exemplo de execução:

    A.txt:2
B.txt:1
    • 2
  2. Best Answer

    Algo assim contaria as palavras

    awk -v w=risk '{for(i=1;i<=NF;i++)if($i==w)f[FILENAME]++} END {for(n in f)print n,f[n]}' A.txt B.txt
A.txt 2
B.txt 1
    • 1

  3. Com GNU awk para multi-char RS, ENDFILE, e \sbackhand para [[:space:]]:

    $ awk -v RS='\\s+' -v word='risk' '$0==word{cnt++} ENDFILE{if (cnt) print FILENAME, cnt; cnt=0}' {A,B,C}.txt
A.txt 2
B.txt 1

    Você pode facilmente transformar isso para contar ocorrências de todas as palavras em cada arquivo, se desejar:

    $ awk -v RS='\\s+' '{cnt[$0]++} ENDFILE{for (word in cnt) print FILENAME, word, cnt[word]; delete cnt}' {A,B,C}.txt
A.txt some 1
A.txt words 1
A.txt risk 2
A.txt and 2
A.txt 12345 1
B.txt risk 1
B.txt another 1
B.txt and 1
B.txt then 1
B.txt 12345 1
C.txt words 1
C.txt dummy 1
    • 1

relate perguntas