从文件列表中编译单词列表

Question

人们将如何承担这项任务？

我尝试用 tr 来做到这一点，并提出了这个（在其他类似问题的帮助下）：

tr -c '[:alnum:]' '[\n*]' < long_concatenated_file

但是..有点问题。:alnum:只是字符和数字的列表。阅读后我尝试减轻这种情况man：

tr -c '[:alnum:=-=]' '[\n*]' < long_concatenated_file

应该将带有破折号的单词包含到要替换的内容列表中，但是不，由于某种原因没有这样做。

承担这项任务的正确方法是什么？

为了清楚起见，它的最终目标是应用sort | uniq -c | sort -nr它，识别项目中最常用的字符串，这样我就可以将它们转换为方便的常量；如果我解决问题的方法完全无意义，并且我应该以其他方式解决它，请提出一些建议。

Answer 1

您似乎想用换行符替换所有非单词字符（字母数字），然后尝试将其包含-在非单词字符集中。

为此tr（这里，我还包含了'一个有效的单词字符，并且我用来-s删除输出中的连续换行符）：

tr -s -c "[:alnum:]-'" '\n'

[=-=]或者，按照您的意愿使用等价类：

tr -s -c "[:alnum:][=-=]'" '\n'

Answer 2

@Kusalandra，感谢您的回答，但这有点不是我想做的。我的目标是在单独的行上打印由 :alnum: set 或 '-' 字符组成的每个单词。

结果序列是创建一个新类，即：

cat longfile | tr -c '[[:alnum:]-]' '[\n*]'

做我想做的事。

例子：

$echo aaa-abc asdasd asswdwew | tr -c '[[:alnum:]-]' '[\n*]'
aaa-abc asdasd asswdwew