每个单词单独一行答案

【问题标题】：Each word on a separate line每个单词单独一行
【发布时间】：2012-11-09 02:16:57
【问题描述】：

我有一句话像

这个例子

我想把它写到一个文件中，这样这个句子中的每个单词都被写到一个单独的行中。

如何在 shell 脚本中做到这一点？

【问题讨论】：

标签： bash shell

【解决方案1】：

几种方法，选择你最喜欢的！

echo "This is for example" | tr ' ' '\n' > example.txt

或者干脆这样做以避免不必要地使用echo：

tr ' ' '\n' <<< "This is for example" > example.txt

<<< 表示法与herestring 一起使用

或者，使用sed 代替tr：

sed "s/ /\n/g" <<< "This is for example" > example.txt

更多替代方案，请查看其他人的答案 =)

【讨论】：

【解决方案2】：

$ echo "This is for example" | xargs -n1
This
is
for
example

【讨论】：

【解决方案3】：

尝试使用：

string="This is for example"

printf '%s\n' $string > filename.txt

或利用bash 分词

string="This is for example"

for word in $string; do
    echo "$word"
done > filename.txt

【讨论】：

谢谢！我希望将其写入文件。该怎么做？
您可以在带有done > filename.txt 的循环版本上使用单个I/O 重定向（这可以保证文件被截断并且只包含来自$string 的数据，而>> 符号将离开filename.txt 之前的所有内容均未更改，新材料附加在末尾。

【解决方案4】：

example="This is for example"
printf "%s\n" $example

【讨论】：

单线：printf "%s\n" This is the example

【解决方案5】：

尝试使用：

str="This is for example"
echo -e ${str// /\\n} > file.out

输出

> cat file.out 
This
is
for
example

【讨论】：

【解决方案6】：

使用fmt 命令

>> echo "This is for example" | fmt -w1 > textfile.txt ; cat textfile.txt
This
is
for
example

有关fmt 及其选项的完整描述，请查看related man page。

【讨论】：

【解决方案7】：

注意我在几份草稿中写了这个，简化了正则表达式，所以如果有任何不一致，这可能就是原因。

你关心标点符号吗？例如，在某些调用中，您会看到例如一个像 (etc) 这样的“单词”，就像括号一样。或者这个词是“括号”。而不是“括号”。如果您正在解析包含正确句子的文件，这可能会出现问题，尤其是如果您想按单词排序甚至获取每个单词的字数。

有一些方法可以解决这个问题，但有一些注意事项，当然还有改进的余地。这些恰好与数字、破折号（以数字表示）和小数点/点（以数字表示）有关。也许有一套确切的规则可以帮助解决这个问题，但下面的例子可以给你一些工作要做。我制作了一些人为的输入示例来演示这些缺陷（或任何你想称它们的名称）。

$ echo "This is an example sentence with punctuation marks and digits i.e. , . ; \! 7 8 9" | grep -o -E '\<[A-Za-z0-9.]*\>'
This
is
an
example
sentence
with
punctuation
marks
and
digits
i.e
7
8
9

如您所见，i.e.` 原来只是 i.e，否则不会显示标点符号。好的，但这忽略了诸如 major.minor.revision-release 形式的版本号之类的东西，例如0.0.1-1;这也可以显示吗？是的：

$ echo "The current version is 0.0.1-1. The previous version was current from 2017-2018."|grep -o -E '\<[-A-Za-z0-9.]*\>'
The
current
version
is
0.0.1-1
The
previous
version
was
current
from
2017-2018

注意句子不以句号结尾。如果在年份和破折号之间添加一个空格会发生什么？你不会有破折号，但每年都会有自己的路线：

$ echo "2017 - 2018" | grep -o -E '\<[-A-Za-z0-9.]*\>'
2017
2018

那么问题就变成了您是否希望自己计算-；由于分隔单词的性质，如果有空格，您将不会将年份作为单个字符串。因为它本身不是一个词，我认为不会。

我相信这些可以进一步简化。此外，如果您根本不需要任何标点符号或数字，您可以将其更改为：

$ echo "The current version is 0.0.1-1. The previous version was current from 2017-2018."|grep -o -E '\<[A-Za-z]*\>'
The
current
version
is
The
previous
version
was
current
from

如果你想要数字：

$ echo "The current version is 0.0.1-1. The previous version was current from 2017-2018."|grep -o -E '\<[A-Za-z0-9]*\>'
The
current
version
is
0
0
1
1
The
previous
version
was
current
from
2017
2018

至于同时包含字母和数字的“单词”，这是另一件事，可能会或可能不会考虑，但可以证明上述内容：

$ echo "The current version is 0.0.1-1. test1."|grep -o -E '\<[A-Za-z0-9]*\>'
The
current
version
is
0
0
1
1
test1

输出它们。但以下没有（因为它根本不考虑数字）：

$ echo "The current version is 0.0.1-1. test1."|grep -o -E '\<[A-Za-z]*\>'
The
current
version
is

忽略标点符号很容易，但在某些情况下可能需要或渴望它们。在 eg 的情况下，我想您可以使用 say sed 将 eg 之类的行更改为 eg 但这将是个人喜好，我猜.

我可以总结一下它是如何工作的，但只是；我累得连想都不想：

它是如何工作的？

我将只解释调用grep -o -E '\<[-A-Za-z0-9.]*\>'，但其他大部分是相同的（扩展 grep 中的竖线/竖线符号允许多个模式）：

-o 选项仅用于打印匹配项而不是整行。 -E 用于扩展 grep（也可以使用 egrep）。至于正则表达式本身：

<\ 和 \> 是单词边界（分别开始和结束 - 如果需要，您可以只指定一个）；我相信-w 选项与指定两者相同，但调用可能有点不同（我实际上不知道）。

'\<[-A-Za-z0-9.]*\>' 表示破折号、大小写字母和点零次或多次。至于为什么又把eg变成了.eg，我这个时候只能说是模式，但我没有能力去多想。

词频计数的奖励脚本

#!/bin/bash

if [ $# -eq 0 ]; then
    echo "Usage: $(basename ${0}) <FILE> [FILE...]"
    exit 1
fi

for file do
    if [ -e "${file}" ]
    then
        echo "** ${file}: "
        grep -o -E '\<[-A-Za-z0-9.]*\>' "${file}"|sort | uniq -c | sort -rn
    else
    echo >&2 "${1}: file not found"
    continue
    fi
done

例子：

$ cat example 
The current version is 0.0.1-1 but the previous version was non-existent.

This sentence contains an abbreviation i.e. e.g. (so actually two abbreviations).

This sentence has no numbers and no punctuation  
$ ./wordfreq example 
** example: 
   2 version
   2 sentence
   2 no
   2 This
   1 was
   1 two
   1 the
   1 so
   1 punctuation
   1 previous
   1 numbers
   1 non-existent
   1 is
   1 i.e
   1 has
   1 e.g
   1 current
   1 contains
   1 but
   1 and
   1 an
   1 actually
   1 abbreviations
   1 abbreviation
   1 The
   1 0.0.1-1

注意我没有将大写字母转写为小写字母，因此“The”和“the”这两个词显示为不同的词。如果您希望它们全部为小写，您可以在排序之前将脚本中的 grep 调用更改为管道：

    grep -o -E '\<[-A-Za-z0-9.]*\>' "${file}"|tr '[A-Z]' '[a-z]'|sort | uniq -c | sort -rn

哦，既然您问是否要将其写入文件，您可以将其添加到命令行（用于原始调用）：

> output_file

对于脚本，您可以像这样使用它：

$ ./wordfreq file1 file2 file3 > output_file

【讨论】：