我怎样才能保留数字以便以后对它们进行排序？

Question

我有一个听起来像这样的问题：编写一个 shell 脚本，从命令行为每个文件输出 长于从键盘读取的数字 k 的单词数。 输出必须按字数排序。

如何保留每个文件的字符数，以便对它们进行排序？

我尝试过类似的方法：

#!/bin/bash
if [ #@ -ne 1 ]
        then exit 1
fi
array[$@]=''
echo -n "Give the number>"
read k
for f in $@;
do
        n=`$f | wc -c`
        if [ $n -gt $k ];
        then
                i++
                array[i]=$n
        fi
done
echo {array[@]} | sort -n

Answer 1

挑战是：

• 编写一个shell脚本，从命令行为每个文件输出长于从键盘读取的数字k的字数。输出必须按字数排序。

我拒绝回答提示——命令带有参数。我会同意 William Pursell 的建议，即数字是第一个参数——这是一个合理的解决方案。另一种方法是使用 -l 23 之类的选项作为长度（以及调整其他操作的其他选项）。

到目前为止，我看到的解决方案是计算单词的数量，而不是超过给定长度的单词的数量。这是个问题。为此，我认为awk 是合适的：

awk -v min=$k '{ for (i = 1; i <= NF; i++) if (length($i) >= min) print $i; }'

这会在标准输出上每行生成至少min 个字符。我们将一次处理一个文件，至少在第一遍中。

然后我们可以用wc -l 来计算此类单词的数量。最后，我们可以对数据进行数字排序。

把它们放在一起产生：

#!/bin/bash

case "$#" in
0|1) echo "Usage: $0 length file ..." >&2; exit 1;;
esac

k=${1:?"Cannot provide an empty length"}
shift

for file in "$@"
do
    echo "$(awk -v min=$k '{ for (i = 1; i <= NF; i++)
                                 if (length($i) >= min) print $i
                           }' "$file" |
            wc -l) $file"
done | sort -n

这会列出最后一个单词最长的文件；这很方便，因为最有趣的文件位于列表的末尾。如果您想先获得高数字，请将-r 添加到sort。

当然，如果我们使用awk，我们可以改进。它可以计算每个文件中长字的数量，并打印文件名和数量，因此所有文件只需一次调用awk。不过，这需要更多的编程：

#!/bin/sh

case "$#" in
0|1) echo "Usage: $0 length file ..." >&2; exit 1;;
esac

k=${1:?"Cannot provide an empty length"}
shift

awk -v min=$k '
    FILENAME != oldfile { if (oldfile != "") { print longwords, oldfile }
                          oldfile = FILENAME; longwords = 0
                        }
    { for (i = 1; i <= NF; i++) if (length($i) >= min) longwords++ }
    END { if (oldfile != "") { print longwords, oldfile } }
    ' "$@" |
sort -n

如果您有 GNU awk，甚至还有一些方法可以对 awk 中内置的结果进行排序。

Answer 2

你可以稍微简化一下脚本：

#!/bin/bash
(( $# > 0 )) || exit
read -r -p 'Enter number > ' k
wc -w "$@" | sed '$d' | gawk -v k="$k" '$1>k{print $0}' | sort -nr

在哪里

• read -r -p ... 提示并读取输入
• wc -w - 计算您输入的所有文件的字数作为参数
• sed ... - 跳过最后一行 (total...)
• awk 跳过计数小于 $k 的行
• sort - 用于对输出进行排序

在@Tom Fench here 的大力帮助下，它可以简化为：

wc -w "$@" | awk -v k="$k" 'NR>1&&p>k{print p}{p=$1}' | sort -nr

或使用文件名（基于@Wintermute 的评论here）

wc -w "$@" | awk -v k="$k" 'p { print p; p="" } $1 > k { p = $0 }' | sort -nr

编辑

根据@Jonathan Leffler 的评论添加了一个变体，用于计算每个文件中长度为数字k 的单词。

#!/bin/bash
(( $# > 0 )) || exit
read -r -p 'Enter number > ' k
let k++
grep -HoP "\b\w{${k:-3},}\b" "$@" |\
 awk -F: '{f[$1]++}END{for(n in f)print f[n],n}' |\
 sort -nr

地点：

• grep... 搜索长度为输入数字的单词（如果希望相等且更长，请省略let 行）。打印出如下行：

file1:word1
file1:word2
...
file2:wordx
file2:wordy

• 和 awk 根据第一个字段计算频率，例如按文件名计数。