查找多次出现的单词答案

【问题标题】：Find what word appeared more than once查找多次出现的单词
【发布时间】：2015-02-27 18:14:19
【问题描述】：

我有一个文本文件，其中每一行都是一组逗号分隔的单词。我需要知道一个词是否被重复，如果是，在哪几行重复。示例：

word1, word2, word3, word4, word5
word6, word4, word7, word8

输出：

word4: 1,2

我正在试验一个 perl 脚本，它在逐行读取文件时创建从单词到行号的映射，但我想知道是否有更简单的方法。

【问题讨论】：

一个单词可以在一行出现两次吗？例如word1, word1, word2....
@TLP：在我的应用程序中，每个单词在一行中只出现一次。

标签： regex linux string perl shell

【解决方案1】：

您需要阅读所有行才能打印任何内容，所以您描述的是您必须做的事情，但事实证明它非常简单。

my %seen;
while (<>) {
   for (split /\s*,\s*/) {
      push @{ $seen{$_} }, $.;
   }
}

for my $word (keys(%seen)) {
   next if @{ $seen{$word} } < 2;
   print($word . ": " . join(",", @{ $seen{$word} }) . "\n");
}

【讨论】：

我认为您的意思是next unless（或<=），否则您会排除匹配超过1个的单词。
我想您在编写 Perl 代码时会谨慎选择。 print 语句中的括号和点运算符的原因是什么？我自己会选择printf。
@Borodin，甚至从未将其视为一种选择。 printf("%s: %s\n", $word, join(",", @{ $seen{$word} })); 确实可能更清晰一点，尽管 : 和换行符在现有代码中很突出。

【解决方案2】：

使用 Perl 单行：

perl -F/,\s*/ -lanE 'push @{$w{$_}}, $. for @F; }{ say "$_: @{$w{$_}}" for grep {@{$w{$_}} > 1} sort keys %w' words.txt

开关：

-F: -a 开关的 split() 模式（//'s 是可选的）
-l：启用行尾处理
-a：在空间上分割行并将它们加载到数组中@F
-n：为输入文件中的每个“行”创建一个 while(<>){...} 循环。
-e：告诉perl 在命令行上执行代码。（-E 启用所有可选功能）

【讨论】：

米勒回来了！ +1 因为单行可以解释。