Например, у меня есть файл 1.txt, который содержит:
Moscow
Astana
Tokyo
Ottawa
Я хочу подсчитать число всех символов как:
a - 4,
b - 0,
c - 1,
...
z - 0
Немного поздно, но для завершения набора, другого подхода python (3), отсортированного результата:
#!/usr/bin/env python3
import sys
chars = open(sys.argv[1]).read().strip().replace("\n", "")
[print(c+" -", chars.count(c)) for c in sorted(set([c for c in chars]))]
A - 1
M - 1
O - 1
T - 1
a - 4
c - 1
k - 1
n - 1
o - 4
s - 2
t - 3
w - 2
y - 1
chars = open(sys.argv[1]).read().strip().replace("\n", "")
Создать (отсортированный) набор uniques: sorted(set([c for c in chars]))
Считать и распечатать запись для каждого из символов: print(c+" -", chars.count(c)) for c in <uniques>
chars = open(sys.argv[1]).read().strip().replace("\n", "")
Прочитайте файл, пропустите пробелы и верните его как «символы»:
/path/to/chars_count.py </path/to/file>
, если скрипт исполняемый файл или: python3 /path/to/chars_count.py </path/to/file>
, если это не По умолчанию в awk полевой разделитель (FS) представляет собой пробел или вкладку. Поскольку мы хотим подсчитать каждый символ, нам нужно будет переопределить FS ни к чему (FS=""), чтобы разделить каждый символ в отдельной строке и сохранить его в массив, а в конце внутри блока END{..} напечатать их общие вхождения на следующая команда awk:
$ awk '{for (i=1;i<=NF;i++) a[$i]++} END{for (c in a) print c,a[c]}' FS="" file
A 1
M 1
O 1
T 1
a 4
c 1
k 1
n 1
o 4
s 2
t 3
w 2
y 1
В блоке {for (i=1;i<=NF;i++) a[$i]++} ... FS="" ... мы просто разбиваем символы. И в блоке END{for (c in a) print c,a[c]} мы перебираем массив a и печатаем сохраненный символ в нем print c и его количество вхождений a[c]
Следующий счетчик perl oneliner будет выполнять подсчет. Я поместил регулярное выражение в контекст списка (чтобы получить количество совпадений) и поместил его в скалярный контекст:
$ perl -e '$a=join("",<>);for("a".."z"){$d=()=$a=~/$_/gi;print"$_ - $d,\n"}' 1.txt
a - 5,
b - 0,
c - 1,
d - 0,
e - 0,
f - 0,
g - 0,
h - 0,
i - 0,
j - 0,
k - 1,
l - 0,
m - 1,
n - 1,
o - 5,
p - 0,
q - 0,
r - 0,
s - 2,
t - 4,
u - 0,
v - 0,
w - 2,
x - 0,
y - 1,
z - 0,
Проведите цикл for для всех символов, которые хотите подсчитать, и используйте grep -io, чтобы получить все вхождения символа и игнорировать регистр, а wc -l - подсчитать экземпляры и распечатать результат. [!d0 ]
Нравится это:
#!/bin/bash
filename="1.txt"
for char in {a..z}
do
echo "${char} - `grep -io "${char}" ${filename} | wc -l`,"
done
Сценарий выводит это:
a - 5,
b - 0,
c - 1,
d - 0,
e - 0,
f - 0,
g - 0,
h - 0,
i - 0,
j - 0,
k - 1,
l - 0,
m - 1,
n - 1,
o - 5,
p - 0,
q - 0,
r - 0,
s - 2,
t - 4,
u - 0,
v - 0,
w - 2,
x - 0,
y - 1,
z - 0,
EDIT после комментария
Чтобы создать цикл для всех печатных символов вы можете сделать это:
#!/bin/bash
filename="a.txt"
for num in {32..126}
do
char=`printf "\x$(printf %x ${num})"`
echo "${char} - `grep -Fo "${char}" ${filename} | wc -l`,"
done
Это будет считать все символы ANSI от 32 до 126 - это наиболее читаемые. Обратите внимание, что это не использует случай игнорирования.
вывод из этого будет:
- 0,
! - 0,
" - 0,
# - 0,
$ - 0,
% - 0,
& - 0,
' - 0,
( - 0,
) - 0,
* - 0,
+ - 0,
, - 0,
- - 0,
. - 0,
/ - 0,
0 - 0,
1 - 0,
2 - 0,
3 - 0,
4 - 0,
5 - 0,
6 - 0,
7 - 0,
8 - 0,
9 - 0,
: - 0,
; - 0,
< - 0,
= - 0,
> - 0,
? - 0,
@ - 0,
A - 1,
B - 0,
C - 0,
D - 0,
E - 0,
F - 0,
G - 0,
H - 0,
I - 0,
J - 0,
K - 0,
L - 0,
M - 1,
N - 0,
O - 1,
P - 0,
Q - 0,
R - 0,
S - 0,
T - 1,
U - 0,
V - 0,
W - 0,
X - 0,
Y - 0,
Z - 0,
[ - 0,
\ - 0,
] - 0,
^ - 0,
_ - 0,
` - 0,
a - 4,
b - 0,
c - 1,
d - 0,
e - 0,
f - 0,
g - 0,
h - 0,
i - 0,
j - 0,
k - 1,
l - 0,
m - 0,
n - 1,
o - 4,
p - 0,
q - 0,
r - 0,
s - 2,
t - 3,
u - 0,
v - 0,
w - 2,
x - 0,
y - 1,
z - 0,
{ - 0,
| - 0,
} - 0,
~ - 0,
Вот решение, использующее Python:
#!/usr/bin/env python2
import collections, string
with open('1.txt') as f:
input_string = f.read().replace('\n', '').lower()
count_dict = collections.Counter(input_string)
for char in string.lowercase:
print char + ' - ' + str(count_dict[char]) + ','
Здесь мы использовали класс collections модуля Counter модуля для подсчета количества вхождений каждого символа, а затем для целей печати мы использовали модуль string, чтобы получить все буквы нижнего регистра переменной string.lowercase.
Сохраните вышеприведенный скрипт в файле, давая ему любое имя, которое вы хотите, например [F6]. Теперь из того же каталога, в котором сохранен файл, вы можете просто запустить python count.py для выполнения файла, из любого другого каталога используйте абсолютный путь к файлу для его выполнения, например, python /absolute/path/to/count.py.
Здесь другое решение (в awk) ...
awk '
{ for (indx=length($0); indx >= 1; --indx)
++chars[tolower(substr($0, indx, 1))]
}
END { for (c in chars) print c, chars[c]; }
' 1.txt | sort
Создает ассоциативный массив с каждым символом в качестве значения индекса, а счетчик - значением массива. Действие END печатает массив. Некоторое время назад я написал программу на C, чтобы сделать это, потому что мне нужно было посмотреть большие файлы и создать некоторую статистику.
#include <stdlib.h>
#include <stdint.h>
#include <stdio.h>
#include <ctype.h>
#include <limits.h>
#include <math.h>
#include <sysexits.h>
inline static double square(double x)
{
return x * x;
}
int main()
{
static const unsigned distribution_size = 1 << CHAR_BIT;
int rv = EX_OK;
uintmax_t *distribution = calloc(distribution_size, sizeof(*distribution));
{
int c;
while ((c = getchar()) != EOF)
distribution[c]++;
if (ferror(stdin)) {
perror("I/O error on standard input");
rv = EX_IOERR;
}
}
uintmax_t sum = 0;
for (unsigned i = 0; i != distribution_size; i++)
sum += distribution[i];
double avg = (double) sum / distribution_size;
double var_accum = 0.0;
for (unsigned i = 0; i != distribution_size; i++)
{
const uintmax_t x = distribution[i];
printf("'%c' (%02X): %20ju", isprint((int) i) ? i : ' ', i, x);
if (x != 0) {
var_accum += square((double) x - avg);
printf(" (%+.2e %%)\n", ((double) x / avg - 1.0) * 100.0);
} else {
var_accum += square(avg);
putchar('\n');
}
}
double stdev = sqrt(var_accum / distribution_size);
double varcoeff = stdev / avg;
printf(
"total: %ju\n"
"average: %e\n"
"standard deviation: %e\n"
"variation coefficient: %e\n",
sum, avg, stdev, varcoeff);
free(distribution);
return rv;
}
скомпилировать с (если исходный код находится в character-distribution.c):
cc -std=c99 -O2 -g0 -o character-distribution character-distribution.c
работает с:
./character-distribution < 1.txt
Если у вас нет компилятора C, установите GCC:
sudo apt-get install gcc build-essential
Аналогичное решение для @heemayl, с более строгим кодом, которое работает на Python 2.7 и Python 3.
#!/usr/bin/python
import collections
import fileinput
import itertools
import string
count = collections.Counter(itertools.chain(*fileinput.input()))
print(',\n'.join('{} - {}'.format(c, count[c] + count[c.upper()])
for c in string.ascii_lowercase))
Первое утверждение, count = collections.Counter(…) выполняет всю реальную работу.
fileinput.input() читает каждую строку ввода, которая может быть передана через stdin или в качестве аргументов командной строки. * заставляет его рассматривать персонажа одновременно, а не линию за раз. count = Counter(…) учитывает вхождения каждого символа эффективно за один проход и сохраняет результат в переменной count.Вторая строка просто печатает результаты.
fileinput.input() читает каждую строку ввода, которая может быть передана через stdin или в качестве аргументов командной строки. print(',\n'.join(…)) помещает его в желаемый формат: по одному на строку, разделен запятыми, но нет запятой в последней строке.GNU awk 4.1
awk -iwalkarray '{for (;NF;NF--) b[$NF]++} END {walk_array(b)}' FS=
[A] = 1
[O] = 1
[w] = 2
[k] = 1
[y] = 1
[T] = 1
[n] = 1
[a] = 4
[o] = 4
[c] = 1
[s] = 2
[t] = 3
[M] = 1
Если у вас есть более ранняя версия GNU awk, вы можете использовать for (c in b) print c, b[c].
Вот ответ, использующий ruby. Это делается путем изменения строки в список uniq разных символов и использование метода count для каждого из них.
#!/usr/bin/env ruby
String content = IO.read("1.txt")
content.split("").uniq.sort.each { |chr| puts( chr + ' - ' + content.count(chr).to_s) }