我能够找到一个单词在文本文件中出现的次数，就像在 Linux 中我们可以使用的那样：
cat filename|grep -c tom
我的问题是，我如何在文本文件中找到多个单词（如“tom”和“joe”）的计数。
【问题讨论】：
tomtom 的行算一还是二？
因为你有几个名字，正则表达式是这个名字的方法。起初我认为这就像对 joe 或 tom 的正则表达式的 grep 计数一样简单，但发现这并没有考虑 tom 和 joe 在同一行（或 tom 和 tom 的情况）的情况.
test.txt：
tom is really really cool! joe for the win!
tom is actually lame.
$ grep -c '\<\(tom\|joe\)\>' test.txt
2
从 test.txt 文件中可以看出，2 是错误的答案，因此我们需要考虑名称在同一行。
然后，我使用 grep -o 仅显示匹配行中与模式匹配的部分，其中它在文件中给出了正确的 tom 或 joe 模式匹配。然后，我将结果通过管道传输到 wc 中以获取行数。
$ grep -o '\(joe\|tom\)' test.txt|wc -l
3
3...正确答案！希望这会有所帮助
【讨论】：
cure、core、rely、lysis、island、land 和 dish，那么您将获得 2 次点击insecurely 和 outlandish 之类的东西，以及 islandish 和 corelysis 之类的东西的 3 次点击。一种幼稚的方法会将这些仅视为一个。使用一个正则表达式并不好玩，但使用其中 N 个非常容易，每个单词一个。
好的，所以先把文件拆分成单词，然后sort和uniq：
tr -cs '[:alnum:]' '\n' < testdata | sort | uniq -c
你使用uniq:
sort filename | uniq -c
【讨论】：
:alnum: 的内容替换为\n 时，您可能需要注意语言差异，例如cat Castilian/*.txt | tr A-Z a-z | tr -cs '[a-záóúíéñ]' '\n' | sort | uniq -c | sort -n
使用 awk：
{for (i=1;i<=NF;i++)
count[$i]++
}
END {
for (i in count)
print count[i], i
}
这将为输入生成完整的词频计数。
将输出通过管道传输到grep 以获取所需的字段
awk -f w.awk input | grep -E 'tom|joe'
顺便说一句，您的示例中不需要cat，大多数充当过滤器的程序都可以将文件名作为参数；因此最好使用
grep -c tom filename
如果没有，很有可能人们会开始向你扔Useless Use of Cat Award ;-)
【讨论】：
grep -c tom < filename）。
grep -c 不查找单词，因此您必须搜索它。
Grep 搜索正则表达式。匹配单词“tom”或“joe”的正则表达式是
\<\(tom\|joe\)\>
【讨论】：
你可以做正则表达式，
cat filename |tr ' ' '\n' |grep -c -e "\(joe\|tom\)"
【讨论】：
tomtom，即使我的爷爷也能看到有两个toms 在场。
这是一个：
cat txt | tr -s '[:punct:][:space:][:blank:]'| tr '[:punct:][:space:][:blank:]' '\n\n\n' | tr -s '\n' | sort | uniq -c
更新
一个shell脚本解决方案：
#!/bin/bash
file_name="$2"
string="$1"
if [ $# -ne 2 ]
then
echo "Usage: $0 <pattern to search> <file_name>"
exit 1
fi
if [ ! -f "$file_name" ]
then
echo "file \"$file_name\" does not exist, or is not a regular file"
exit 2
fi
line_no_list=("")
curr_line_indx=1
line_no_indx=0
total_occurance=0
# line_no_list contains loc k the line number loc k+1 the number
# of times the string occur at that line
while read line
do
flag=0
while [[ "$line" == *$string* ]]
do
flag=1
line_no_list[line_no_indx]=$curr_line_indx
line_no_list[line_no_indx+1]=$((line_no_list[line_no_indx+1]+1))
total_occurance=$((total_occurance+1))
# remove the pattern "$string" with a null" and recheck
line=${line/"$string"/}
done
# if we have entered the while loop then increment the
# line index to access the next array pos in the next
# iteration
if (( flag == 1 ))
then
line_no_indx=$((line_no_indx+2))
fi
curr_line_indx=$((curr_line_indx+1))
done < "$file_name"
echo -e "\nThe string \"$string\" occurs \"$total_occurance\" times"
echo -e "The string \"$string\" occurs in \"$((line_no_indx/2))\" lines"
echo "[Occurence # : Line Number : Nos of Occurance in this line]: "
for ((i=0; i<line_no_indx; i=i+2))
do
echo "$((i/2+1)) : ${line_no_list[i]} : ${line_no_list[i+1]} "
done
echo
【讨论】：
我完全忘记了 grep -f:
cat filename | grep -fc names
AWK 解决方案：
假设名称在一个名为 names 的文件中：
cat filename | awk 'NR==FNR {h[NR] = $1;ct[i] = 0; cnt=NR} NR !=FNR {for(i=1;i<=cnt;++i) if(match($0,h[i])!=0) ++ct[i] } END {for(i in h) print h[i], ct[i]}' names -
请注意，您的原始 grep 不会搜索单词。例如
$ echo tomorrow | grep -c tom
1
你需要grep -w
【讨论】：
gawk -vRS='[^[:alpha:]]+' '{print}' | grep -c '^(tom|joe|bob|sue)$'
gawk 程序将记录分隔符设置为任何非字母字符，因此每个单词都会在单独的行中结束。然后 grep 计算与您想要的单词之一完全匹配的行数。
我们使用 gawk 是因为 POSIX awk 不允许正则表达式记录分隔符。
为简洁起见，您可以将 '{print}' 替换为 1 - 无论哪种方式，它都是一个简单地打印出所有输入记录的 Awk 程序（“1 是真的吗？它是？然后执行默认操作，即{print}.")
【讨论】：
查找所有行中的所有匹配项
echo "tom is really really cool! joe for the win!
tom is actually lame." | akw '{i+=gsub(/tom|joe/,"")} END {print i}'
3
这会将“tomtom”计为 2 次点击。
【讨论】：