BASH：搜索字符串并准确显示子字符串在其中出现的确切次数

Question

我已经搜索了所有内容，但仍然找不到这个简单的答案。我敢肯定它很容易。如果您知道如何完成此操作，请提供帮助。

sample.txt 是：

AAAAA

我想找出组合“AAA”发生的确切时间。如果你只是使用例如

grep -o 'AAA' sample.txt | wc -l

我们收到 1。这与使用标准文本编辑器搜索框类型搜索仅搜索 AAA 发生的次数相同。但是，我想要完全匹配的完整数量，从每个恰好为 3 的单个字符开始。当我们从每个字符单独搜索而不是将每个 AAA 命中视为盒子类型块时，我们会得到这个。

我正在寻找从 sample.txt 中“AAA”的每个单独字符开始的最压缩/最多可能性/字面确切的出现次数，而不仅仅是像在普通文本中那样找到它的每次块从搜索框中编辑器类型搜索。

我们如何做到这一点，最好是在 AWK 中？ SED、GREP 和其他任何东西都可以，我可以将它们包含在 Bash 脚本中。

Answer 1

我在 OP 的另一个帖子上发布了这个，但它被忽略了，可能是因为我没有添加注释和解释。只是一种不同的方法，欢迎任何讨论。

$ awk -v sample="$(<sample.txt)" '{ x=sample; n=0 }$0 != ""{
    while(t=index(x,$0)){ n++; x=substr(x,t+1) } 
    print $0,n
}' combinations

说明：

变量：

• sample: 是带有 -v 参数的文件 sample.txt 中的原始示例文本 slurp
• x：为目标字符串，每次测试前，将值重置为sample
• $0: 是来自文件combination 的测试字符串，每行输入一个测试字符串
• n: 是计数器，测试字符串的出现次数($0)
• t: 是匹配的测试字符串（$0）的第一个字符在目标字符串（x）中的位置

更新：在主 while 循环之前添加了 $0 != "" 以跳过导致无限循环的 EMPTY 字符串。

代码：

    awk -v sample="$(<sample.txt)"   '

        # reset the targeting string(with the sample text) and the counter "n" 
        { x = sample; n = 0 }  

        # below the main block where $0 != "" to skip the EMPTY testing string
        ($0 != ""){
            # the function index(x, $0) returns the position(assigned to "t") of the first character 
            # of the matched testing string($0) in the targeting string(x). 
            # when no match is found, it returns zero and thus step out of the while loop.
            while(t=index(x,$0)) {
                n++;                # increment the number of matches 
                x = substr(x, t+1)  # modify the targeting string to remove all characters before the position(t) inclusively 
            }
            print $0, n             # print the testing string and the counts 
        }
    ' combinations

awk index() 是一个比正则表达式匹配快得多的函数，它不需要以暴力方式进行昂贵的字符串比较。附上测试过的sample.txt和组合：

$ more sample.txt 
AAAAAHHHAAHH
HAAAAHHHAAHH
AAHH

$ more combinations 
AA
HH
AAA
HHH
AAH
HHA
ZK

测试环境：GNU Awk 4.0.2、Centos 7.3

Answer 2

这可能对你有用（GNU sed 和 wc）：

sed -r 's/^[^A]*(AA?[^A]+)*AAA/AAA\nAA/;/^AAA/P;D' | wc -l

丢失除A's 和单个或两个A's 以外的任何字符。然后打印三个A 并丢失第一个A 并重复。最后统计一下打印的行数。

Answer 3

这是 awk 版本

echo "AAAAA AAA AAAABBAAA"  \
| gawk -v pat="AAA" '{ 
    for(i=1; i<=NF; i++){
        # current field length
        m=length($i)
        #search pattern length
        n=length(pat)
        for(l=1 ; l<m; l++){
            sstr=substr($i,l,n)
            #print i " " $i " sub:" sstr

            # substring matches pattern
            if(sstr ~ pat){
                count++
            }else{
                print "contiguous count on field " i " = " count
                # uncomment next line if non-contiguous matches are not needed
                #break
            }
        }
        print "total count on field " i " = " count
        count=0
    }

}'

Answer 4

这不是 bash 中的小问题。据我所知，标准实用程序不支持这种搜索。但是，您可以使用标准 bash 功能在函数中实现此行为。以下是我解决问题的方法，但还有其他方法：

#!/bin/bash

search_term="AAA"
text=$(cat sample.txt)
term_len=${#search_term}
occurences=0

# While the text is greater than or equal to the search term length
while [ "${#text}" -ge "$term_len" ]; do

    # Look at just the length of the search term
    text_substr=${text:0:${term_len}}

    # If we see the search term, increment occurences
    if [ "$text_substr" = "$search_term" ]; then
        ((occurences++))
    fi

    # Remove the first character from the main text
    # (e.g. "AAAAA" becomes "AAAA")
    text=${text:1}
done

printf "%d occurences of %s\n" "$occurences" "$search_term"