如何在for循环中增加字符串变量

Question

我想要一个循环，它可以找到以多种语言最频繁地结束单词的字母，并以列的形式输出数据。 到目前为止我有

count="./wordlist/french/fr.txt ./wordlist/spanish/es.txt ./wordlist/german/de.$
lang="French Spanish German Portuguese Italian"
(
echo -e "Language Letter Count"
for i in $count
do
    (for j in {a..z}
        do
            echo -e "LANG" $j $(grep -c $j\> $i)
        done
    ) | sort -k3 -rn | head -1
done
) | column -t

我希望它如图所示输出：

Language  Letter  Count
French     e       196195
Spanish    a       357193
German     e       251892
Portuguese a       217178
Italian    a       216125

相反，我得到：

Language  Letter  Count
LANG      z       0
LANG      z       0
LANG      z       0
LANG      z       0
LANG      z       0

单词文件具有以下格式： Word Freq(#)，其中单词及其频率由空格分隔。

这意味着我有 2 个问题； 首先，grep 命令没有处理参数$j\> 来查找单词末尾的字符。我尝试过使用grep -E $j\> 和grep '$j\>'，但都没有成功。

第二个问题是我不知道如何输出语言的名称（在变量lang中）。当我这样尝试（或 i 和 k 以相反的顺序）时，嵌套另一个 for 循环不起作用：

(
for i in $count
do
    for k in $lang
    do
        for j in {a..z}
        do
             echo -e $k $j $(grep -c $j\> $i)
        done
        ) | sort -k3 -rn | head -1
done
done
) | column -t

因为这会在不属于它的地方输出语言名称“$k”的倍数。

我知道我可以为每种语言复制和粘贴循环，但我想将它扩展到每种语言。 提前致谢！

Answer 1

grep字边界

为了使特殊分隔符（例如，\> 用于 word-end）在从 shell 调用时与 egrep 一起使用，您应该将它们放入 "quotes"。

 count=$(egrep -c "${char}\>" "${file}")

顺便说一句，你真的应该使用 双引号 (")，因为单引号会阻止变量扩展。 （例如在j="foo"; k='$j\>'中，k的值的第一个字符将是$而不是f）

语言名称显示

获取正确的语言字符串有点棘手；这里有一些建议：

• 从词表的路径导出显示的语言：

  lang=${file%/*}
  lang=${lang##*/}
  

  使用 bash（尽管不使用 dash 和其他一些 shell）你甚至可以使用 lang=${lang^} 来将字符串大写。

• 在字典中查找正确的语言名称。 Bash-4 内置了字典，但你也可以使用基于文件的字典：

  $ cat languagues.txt
  ./wordlist/french/fr.txt Français 
  ./wordlist/english/en.txt English
  ./wordlist/german/de.txt Deutsch
  
  $ file=./wordlist/french/fr.txt
  $ lang=$(egrep "^${file}/>" languages.txt | awk '{print $2}')
  

• 您还可以迭代 file,lang 对，例如

  languages="french/fr,French spanish/es,Español german/de,Deutsch"
  for l in $languages; do
     file=./wordlist/${l%,*}.txt
     lang=${l#*,}
     # ...
  done
  

考虑词频

我看到的第三个问题（尽管我可能误解了这个问题）是您没有考虑词频。例如使用频率比单词 B 多 1000 倍的单词 A 只会被计算一次（就像 B 一样）。

可以使用awk来总结匹配词的词频：

count=$(egrep "${char}\>" "${file}" | awk '{s+=$2} END {print s}')

现在都在一起

因此，问题的完整解决方案可能如下所示：

languages="french/fr,French spanish/es,Español german/de,Deutsch"

(
echo -e "Language Letter Count"
for l in ${languages}; do
  file=./wordlist/${l%,*}.txt
  lang=${l#*,}

  for char in {a..z}; do
     #count=$(egrep -c "${char}\>" "${file}")
     count=$(egrep "${char}\>" "${file}" | awk '{s+=$2} END {print s}')
     echo ${file} ${char} ${count}
  done | sort -k3 -rn | head -1
done
) | column -t