☰

关于find和grep的问题

tag-icon • tag-icon grep scripting find
关于find和grep的问题

我正在编写一个小脚本来查找并计算众多文件和子目录中所有“the”的出现，然后我需要打印文件地址和“the”出现的次数。但我不知道如何完成它。

    find . -name "*.txt" -type f -printf "%p\t" -exec grep -c "the" {}\;

ex.sh 程序的名称

txt 文件扩展名

寻找出现的单词

  • 正确的输出应该是：

    ./ex.sh txt the

./etext00/00ws110.txt 42764
./etext00/1cahe10.txt 26692
./etext00/1vkip11.txt 21895
./etext00/2cahe10.txt 24604
./etext00/2yb4m10.txt 15476
./etext00/8rbaa10.txt 3131

  • 我得到什么：

    ./etext00/00ws110.txt   35388
./etext00/1cahe10.txt   17905
./etext00/1vkip11.txt   14617
./etext00/2cahe10.txt   16971
./etext00/2yb4m10.txt   9938
./etext00/8rbaa10.txt   1839

    我假设它是包含“the”外观的行数，但在某些行中可能有超过 1 个“the”。

答案1

使用grep -o the并计算生成的行数：

find . -name "*.txt" -type f -printf "%p\t" \
    -exec sh -c 'grep -o "the" "$0" | wc -l' {} \;

grep -o在单独的行上返回每一行上的每个匹配项（每个输出行返回一个匹配项）。

您可能还想使用-wiwithgrep来包含The（不区分大小写）和排除匹配，例如thein theory（全字匹配）。

答案2

由于您已经在使用 GNU 扩展 ( -printf)，对于 GNU awk，您可以执行以下操作：

find . -name '*.txt' -size +2c -readable -type f -exec gawk -v RS=the '
   ENDFILE {print FILENAME "\t" (FNR - ($0 != ""))}' {} +

即用作txt记录分隔符，并在处理每个文件后报告记录数。但不要计算在最后一次出现 后可能（并且通常会）出现的额外记录txt。

相关内容