☰

如何从文件中获取每个标点符号的数量

tag-icon • tag-icon sed grep wc tr
如何从文件中获取每个标点符号的数量 
grep '[".?!"]'

返回具有其中之一的行，但我不知道如何判断每行中有多少个，更不用说有多少个 ., ?, 和 !有。

答案1

这将打印文件中找到的所有标点字符的列表，每行一个标点字符，每个标点字符都按文件中该字符的计数进行：

grep -o '[[:punct:]]' file | sort | uniq -c

我喜欢通过运行 /var/log/syslog 进行测试，我的现在有超过 150,000 行。

答案2

要查找文件中此类标点符号的总数，您可以使用tr删除所有其他标点符号，然后wc进行计数：

tr -dc '.?!' | wc -c

答案3

这是一个 awk 脚本，用于查找包含.、?或 的行!。它打印包含任何标点符号的每行的行号、找到的每个标记的数量以及该行上的标记总数。在数据末尾，它打印总计。

您可以在命令行上向它传递多个文件名，它的行为就像您将cat所有文件放在一起一样，但是修改此脚本以单独处理每个文件是相当容易的。

#!/usr/bin/awk -f

# Count punctuation marks
# See http://unix.stackexchange.com/q/239894/88378
# Written by PM 2Ring 2015.10.131

BEGIN{
    FS = ""
    punc = ".?!"
    fmt = "%5s: .=%s, ?=%s, !=%s, all=%s\n"
}

/[.?!]+/{
    #print NR, $0, NF
    count[1] = count[2] = count[3] = 0
    for(i=1; i<=NF; i++)
    {
        n = index(punc, $i)
        if(n)
            count[n] += 1
    }
    all = count[1] + count[2] + count[3]
    printf fmt, NR, count[1], count[2], count[3], all
    for(i=1; i<=3; i++)
        total[i] += count[i]
}

END{
    all = total[1] + total[2] + total[3]
    printf fmt, "Total", total[1], total[2], total[3], all
}

这是我用来测试此脚本的一些随机数据：

Some test data
.a.?? .u o..ru. !!?aarl.?...t  s
e.?a.eli?.?s.. ?.r. s.t .e.a.le!
ti h  ..rs.  ?er.t. dn!t?.?.l.?t
?.n!rer e. d..!???? a .!..a.tit.
No punctuation
!.a.n..!isda!.o a!le.d..a.!sh.t?
?!?. ..!i  hi...h iii.?..a i hh?
.h r.u?....t..s !.. a  .li?hs !.
ia tso???.tr?t .hl..i.aids l.?.?
Bye-bye.

这是生成的输出：

    2: .=10, ?=4, !=2, all=16
    3: .=11, ?=4, !=1, all=16
    4: .=8, ?=4, !=1, all=13
    5: .=9, ?=5, !=3, all=17
    7: .=10, ?=1, !=5, all=16
    8: .=9, ?=4, !=2, all=15
    9: .=12, ?=2, !=2, all=16
   10: .=7, ?=6, !=0, all=13
   11: .=1, ?=0, !=0, all=1
Total: .=77, ?=30, !=16, all=123

在 GNU Awk 3.1.7 上测试

答案4

sed -e'1{x;s/^/0ddsQsEsD[q]sq/p;x;}' \
    -e'/[^?!.]*\([?!.]\)[^?!.]*/!d;=' \
    -e's// l\11+s\1 /g;s/.*/pc0dds?s!s.&Q?E!D./' \
    -e's/\([QED]\)\(.\)/[l\21>q9P[\2=]Pl\2pl\1+9P[Total: ]Pps\1]x/g' |dc

对于包含任何该命令的任何行，[?!.]将首先打印其行号，然后打印该行上的字符数，然后是每个命令的运行计数。

printf %s\\n \? \?\!. '' hey \? '' '' \! ...hey... .\!\? |
sed -e'1{x;s/^/0ddsQsEsD[q]sq/p;x;}' \
    -e'/[^?!.]*\([?!.]\)[^?!.]*/!d;=' \
    -e's// l\11+s\1 /g;s/.*/pc0dds?s!s.&Q?E!D./' \
    -e's/\([QED]\)\(.\)/[l\21>q9P[\2=]Pl\2pl\1+9P[Total: ]Pps\1]x/g' |dc

1
    ?=1
    Total: 1
2
    ?=1
    Total: 2
    !=1
    Total: 1
    .=1
    Total: 1
5
    ?=1
    Total: 3
8
    !=1
    Total: 2
9
    .=6
    Total: 7
10
    ?=1
    Total: 4
    !=1
    Total: 3
    .=1
    Total: 8

相关内容