使用 grep/linux/bash 计算重复字符串的重叠出现次数答案

【问题标题】：Count overlapping occurences of a repeated string using grep/linux/bash使用 grep/linux/bash 计算重复字符串的重叠出现次数
【发布时间】：2015-06-04 01:05:15
【问题描述】：

我正在尝试计算重复字符串的出现次数。例如。

echo 'joebobtomtomtomjoebobmike' | grep -o 'tomtom' | wc -l

这输出 1，但显然字符串 'tomtom' 在这里适合两次。我怎样才能让它计算两次出现的次数？

谢谢！

【问题讨论】：

完成了！谢谢。您的回答和 potong 都有效地回答了我的问题。

标签： linux bash shell sed grep

【解决方案1】：

你可以使用这个 awk 脚本

{
    count = 0
    $0 = tolower($0)
    while (length() > 0) {
        m = match($0, pattern)
        if (m == 0)
             break
        count++
        $0 = substr($0, m + 1)
    }
    print count
}

说明

我们首先将行转换为全部小写以忽略大小写。此脚本通过在匹配模式后缩短字符串来工作。它使用函数match() 来查找pattern 匹配的位置。如果 m == 0，这意味着没有找到匹配项，所以我们可以中断循环。我们在循环的每次迭代中递增count，然后将$0 字符串重置为从索引m + 1 开始的子字符串。

如果你把它保存为a.awk，你可以这样做

echo "joebobtomtomtomjoebobmike" | awk -v "pattern=tomtom" -f a.awk

它会输出2。

【讨论】：

感谢这很好用（而且相对较快）。有什么方法可以让 match 命令忽略大小写？
您可以先使用tolower() 将$0 转换为小写。另请注意，我通过使用变量pattern 使脚本更具可移植性，您将其作为选项传递给脚本。

【解决方案2】：

这可能对你有用（GNU sed）：

sed -r '/(tom)\1/!d;:a;s//\n\1/;ta;s/\n//'| wc -l

重复模式tomtom 可以用正则表达式形式重写为(tom)\1，然后用换行符替换重复模式的第一部分并循环直到找不到更多模式，这将给出表示重叠模式的行数。在打印结果时，必须考虑这一点并从结果中减去，即必须删除最后一个（在这种情况下是第一个）换行符。当然，如果没有重复模式，则结果必须为零，因此第一个 sed 命令。

【讨论】：

这行得通！有什么方法可以让 sed 忽略换行符（没有管道到 tr 来删除换行符）？例如。 echo -e 'tomtomtom\ntomtom' | sed -r '/(tom)\1/!d;:a;s//\n\1/;ta;s/\n//'| wc -l 返回 3 但我希望它返回 4
@Floris 要删除换行符，您可以通过在现有命令前面加上 :b;$!{N;bb};s/\n//g; 将整个文件啜饮到内存中

【解决方案3】：

你可以遍历字符串的长度，看看当前位置的子字符串是否是所需的文本：

string=joebobtomtomtomjoebobmiketomtomtom
match=tomtom
for ((i=0; i <= ${#string} - ${#match}; i++)); do
    [[ ${string:i:${#match}} == $match ]] && ((count++))
done
echo $count   # => 4

【讨论】：