如何使用 bash 脚本计算一个单词中出现的最多 3 个字母的序列 [重复]答案

【问题标题】：How can I count most occuring sequences of 3 letters within a word with a bash script [duplicate]如何使用 bash 脚本计算一个单词中出现的最多 3 个字母的序列 [重复]
【发布时间】：2020-01-13 21:43:39
【问题描述】：

Indo Cheap 有一个示例文件，例如

XYZAcc
ABCAccounting
Accounting firm
Accounting Aco
Accounting Acompany
Acoustical consultant

他需要得到一个单词中出现次数最多的 3 个字母序列。

输出应该是

acc = 5 aco = 3

他问这在 bash 中是否可行。

他说：“我完全不知道如何使用 awk、sed、grep 来完成它。

任何线索如何可能......“

【问题讨论】：

那你为什么不编辑your last post？哦，我没看到，这是别人的问题。
@KamilCuk，因为它是someone else's question OP 正在重新询问，以便让他们添加答案。请注意，编辑问题以修复其缺陷并投票重新开放仍然是正确的做法，而不是提出重复的问题。
@Charles Duffy：我编辑了他的问题，但问题没有重新打开。我想知道为什么有些人会关闭一个有趣的问题，我想知道我们如何防止这种行为。
如果您想争论社区关于什么是太宽泛和不是太宽泛的共识应该改变，这样做的地方是Meta Stack Overflow。
@PierreFrançois, ...这需要一段时间 - 对已关闭问题的第一次编辑会将其放入重新打开队列，供人们投票决定是否重新打开它。这个过程需要时间。（我不赞成重新开放，但这可以在原始问题的 cmets 中讨论）。

标签： linux bash awk sed

【解决方案1】：

使用 bash、sed 和 awk 绝对可以做到这一点，这里是如何做到的：

#!/bin/bash

for line in $(cat sample | tr 'A-Z' 'a-z' | tr -s ' ' '\n'); do
  ll=${#line}
  for ((i = 0; i < ll - 2; i++)) ; do   # for each word
    echo ${line:i:3}                    # print all sequences of 3 letters
  done
done | 
  sort |                                # sort the sequences of three letters
  uniq -c |                             # count the sequences
  sed '/^ *1 /d' |                      # filter out the not repeated sequences
  sort -n -r |                          # most frequent sequences first
  awk -F ' ' '{print $2" = "$1}' |      # format output as asked
  tr '\n' ' '                           # put all results on one line 
echo                                    # add a new line at the end

上面示例的输出是：

cou = 5 acc = 5 unt = 4 tin = 4 oun = 4 nti = 4 ing = 4 cco = 4 aco = 3

如果需要其他格式的输出，我们可以根据需要轻松调整脚本的代码。

【讨论】：

我建议echo "${line:i:3}" 加上引号。例如，我们不需要$'\t*\t' 创建的字符来使echo 发出当前目录中的文件列表。
...虽然确实如此，但要以不会导致其他问题的方式解决此问题，您还需要遵循 DontReadLinesWithFor 中的建议。