☰

如何從檔案中取得每個標點符號的數量

tag-icon • tag-icon sed grep wc tr
如何從檔案中取得每個標點符號的數量 
grep '[".?!"]'

傳回具有其中之一的行，但我不知道如何判斷每行中有多少個，更不用說有多少個 ., ?, 和 !有。

答案1

這將列印文件中找到的所有標點字符的列表，每行一個標點字符，每個標點字符都按文件中該字符的計數進行：

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

我喜歡透過執行 /var/log/syslog 進行測試，我的現在有超過 150,000 行。

答案2

若要尋找檔案中此類標點符號的總數，您可以使用tr刪除所有其他標點符號，然後wc進行計數：

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

答案3

這是一個 awk 腳本，用於尋找包含.、?或 的行!。它會列印包含任何標點符號的每行的行號、找到的每個標記的數量以及該行上的標記總數。在數據末尾，它會列印總計。

您可以在命令列上向它傳遞多個文件名，它的行為就像您將cat所有文件放在一起一樣，但是修改此腳本以單獨處理每個文件相當容易。

#!/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
}

這是我用來測試此腳本的一些隨機數據：

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.

這是產生的輸出：

    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 上測試

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

對於包含任何該命令的任何行，[?!.]將首先列印其行號，然後列印該行上的字元數，然後是每個命令的運行計數。

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

相關內容