在 bash 中计算文本文件中单词的出现次数答案

【问题标题】：Counting the appearances of a word in a text file in bash在 bash 中计算文本文件中单词的出现次数
【发布时间】：2021-11-15 14:26:28
【问题描述】：

我想计算文件中每个单词的出现次数。我不会计算一个单词是否作为另一个单词中的子字符串存在。例如，如果这个词是“in”，我不想将“inside”算作脱离世界的外观。

从我使用的文本文件中获取单词：

#Stores the words of the file without duplicates
WORDS=`grep -o -E '\w+' $1 | sort -u -f`

获取已作为命令行参数传递的文件的所有单词。

然后我用下面的命令来统计每个单词出现的次数：

#Accessing all the words from the file
for WORD in $WORDS
do
    #Number of apperences of the WORD in the text file ($1)
    APEARENCES=`grep -o -i "$WORD" $1 | wc -l`

    ***Code***
done

我的问题是APEARENCES=`grep -o -i "$WORD" $1 | wc -l` 也会计算一个单词的子字符串，如果它与"$WORD" 的字符串匹配。它将“inside”视为单词“in”的出现。

编辑：我找到了解决方案。结果我只需要在表达式中添加-w。

APEARENCES=`grep -o -i -w "$WORD" $1 | wc -l`

【问题讨论】：

“单词”是如何定义的？用换行符替换所有非单词字符，删除空换行符，然后排序 -u |独特的-c。用 shellcheck 检查你的脚本。不要使用反引号。
您可以在 grep 中添加单词分隔符（例如空格）
使用awk肯定会更容易
你们能提供一些例子吗？我对 bash 脚本非常陌生。我几天前才开始

标签： bash bash-completion

【解决方案1】：

grep 有-w 来匹配整个单词。 uniq 有 -c 打印计数。

grep -Eow '\w+' myfile | sort | uniq -c | sort -nk 1,1

打印myfile 中词频的排序列表。

使用uniq -i（不是posix），也可以忽略大小写：

grep -Eow '\w+' | sort -f | uniq -ic | sort -nk 1,1

【讨论】：

【解决方案2】：

您可以使用单词边界（\\b）：

$ cat text.txt

“inside”作为单词“in”的外观

$ grep in text.txt

“in侧面作为单词“in”的外观

$ grep \\bin\\b text.txt

"inside 作为单词的外观"in"

【讨论】：