主页 / unix / 问题 / 786175
Accepted
Ronnie
Asked: 2024-11-06 01:28:27 +0800 CST

在 RTF 文件的文件路径列表中，根据每个文件名出现的次数对输出进行计数和排序

  • 772

我有一个 RTF 文件，其中包含 pdf 文件路径列表。例如

Category1:
./Folder1/Folder2/1.pdf:18
./Folder3/2.pdf:18
./Folder5/4.pdf:10

Category2:
./Folder3/2.pdf:18
./Folder5/4.pdf:10

Category3:
./Folder1/Folder2/1.pdf:18
./Folder5/4.pdf:10

Category4:
./Folder6/7.pdf:10
./Folder5/4.pdf:10
./Folder3/2.pdf:18

附注： *.pdf:num 后面的数字 num 可以忽略。文件夹的完整路径也可以忽略。感兴趣的实体只是文件的名称.pdf

我想要一个按 pdf 名称及其出现次数排序的输出

输出格式为（文件名：文件在 rtf 中出现的次数），例如：

4.pdf :  4
2.pdf :  3

注2：任何提及次数少于3次的文件都可以被忽略。

text-processing

4 个回答

  1. Best Answer

    一个可能的工具是awk。此命令可以完成以下工作：

    awk -F\/ '/pdf/{split($NF,a,":");b[a[1]]+=1} END {for (i in b) if(b[i]>2) print i" : "b[i]}' input_file

    脚本使用/作为分隔符，然后split在a最后一个带:分隔符的字段中，计数b的出现次数a。最后在 loo 中打印a计数 > 2的所有元素

    可以通过使用分隔符/和来分割行来简化:。在这种情况下，脚本为：

    awk -F'[/:]' '/pdf/{b[$(NF-1)]+=1} END {for (i in b) if(b[i]>2) print i" : "b[i]}' input_file

    PS 如果您想要源文件中的值的总和，:您可以尝试以下操作：

    awk -F'[/:]' '/pdf/{b[$(NF-1)]+=1;c[$(NF-1)]+=$NF} END {for (i in b) if(b[i]>2) print i" : "b[i]", "c[i]}'  input_file

    只需添加c数组来对值进行求和:

    • 1

  2. 使用Raku（以前称为 Perl_6）

    ~$ raku -ne 'BEGIN my %seen; 
             if .chars && /\.pdf/ { $_.subst(/ <?after \.pdf> \: \d+ $ /).IO.basename andthen %seen{$_}++ }; 
             END .say for %seen.sort: +*.key.match(/^ \d+ <?before \.pdf>/);'   file

    或者（更简单）：

    ~$ raku -ne 'BEGIN my %seen; 
             if .chars && s/ <?after \.pdf> \: \d+ $ // { %seen{$_.IO.basename}++ }; 
             END .say for %seen.sort: +*.key.match(/^ \d+ <?before \.pdf>/);'   file

    或者（更简单）：

    ~$ raku -ne 'BEGIN my %seen; 
             if .chars && s/ <?after \.pdf> \: \d+ $ // { %seen{$_.IO.basename}++ }; 
             END .say for %seen.sort: +*.key.IO.extension: "";'   file

    Raku 是 Perl 家族中的一种编程语言。使用 Raku 的awk非-ne自动打印命令行标志，您可以获得键/值对的排序哈希，其中每个 PDF 文件名的值等于该文件名被看到的次数。输出根据文件名按数字排序（作为数字）。在块.say中使用END将为您提供成对的“键值=>”输出：

    示例输入：

    Category1:
./Folder1/Folder2/1.pdf:18
./Folder3/2.pdf:18
./Folder5/4.pdf:10

Category2:
./Folder3/2.pdf:18
./Folder5/4.pdf:10

Category3:
./Folder1/Folder2/1.pdf:18
./Folder5/4.pdf:10

Category4:
./Folder6/7.pdf:10
./Folder5/4.pdf:10
./Folder3/2.pdf:18

    示例输出：

    1.pdf => 2
2.pdf => 3
4.pdf => 4
7.pdf => 1

    如果需要成对的“键值:”输出，请将END代码块更改为：

     END put($_.key, " : ", $_.value) for %hash.sort: +*.key.IO.extension: "";'

    如果需要消除与 的对.value < 2，请进一步将END代码块更改为：

     END put($_.key, " : ", $_.value if .value > 2 ) for %hash.sort: +*.key.IO.extension: "";'

    最后，如果您更喜欢以“链式”方法/函数调用风格编写的代码，则下面的代码将提供与上面相同的（所需）代码：

    ~$ raku -e 'my  %seen = lines.grep( *.chars > 0 && / \.pdf /)  \ 
                        .map( *.subst(/ <?after \.pdf> \: \d+ $ / ).IO.basename).Bag;  \ 
            for %seen.sort( +*.key.IO.extension: "") { 
                put $_.key ~" : "~ $_.value if .value > 2 };'   file

    https://raku.org

    • 1

  3. 将该文件提取为文本文件，然后执行

    $ sed < TEXT.txt -nre  's,.*/([^:/]+).*,\1,p' | sort | uniq -c
      2 1.pdf
      3 2.pdf
      4 4.pdf
      1 7.pdf

$ sed < TEXT.txt -nre  's,.*/([^:/]+).*,\1,p' | sort | uniq -c | grep -vE '\s+[12] '
      3 2.pdf
      4 4.pdf
    • 0

  4. 和perl：

    $ perl -lne '$c{$1}++ if m{([^/]*\.pdf):\d+$};
             END {
               print "$_ : $c{$_}" for
                 sort {$c{$b} <=> $c{$a}} grep {$c{$_} > 2} keys %c
             }' your-file
4.pdf : 4
2.pdf : 3
    • 0

相关问题