打印出多個文件中文字的分佈

Question

我正在嘗試製作一個可執行文件，該文件將包含任意數量的文本文件，並提供按出現次數分配單詞的輸出。這是在bash腳本來完成，和我有什麼到目前爲止是：

#!/bin/bash 
y=$(cat $* | wc -w) 

cat $* | tr ' ' '//' | tr '[:upper:]' '[:lower:]' | tr -d '[:punct:]' | 
grep -v '[^a-z]'| sort | uniq -c | sort -rn | head -$y 

我得到一個錯誤試圖設置y，我無法弄清楚如何讓head以其他方式打印出每一個字。

有沒有更好的方法打印出來？

Answer 1

爲什麼要運行head？不能保證會有與文件中的文字一樣多的單詞;的確，實際上保證不會有（因爲會有一些重複的詞）。如果你想看到所有的數據，然後顯示所有的數據;請勿過濾sort -nr的輸出。

第一個tr只需要一個斜線，我想。通常情況下，您會將空白和標點符號映射到換行符（-s選項爲tr以將相鄰換行符壓縮爲1）。從第一個tr開始的斜槓作爲第三個tr的標點符號，所以它不明顯。我想，我希望看到這樣的：

cat "$@" | 
tr -cs '[:alpha:]' '\n' |  # Convert any non-alpha character to newline 
tr '[:upper:]' '[:lower:]' | # Case-convert to lower case 
sort | uniq -c | sort -nr 

注意使用"$@"而非$*;當您指定的文件名不包含空格時（新行，製表符等）沒有區別;當他們這樣做時，"$@"表單是正確的，而$*不是，所以你可能總是使用"$@"。這比$*更爲正確。

對於一些C源代碼我已經躺在附近，從腳本的輸出是：

246 n 
217 i 
153 int 
141 list 
124 if 
118 t 
103 char 
    99 a 
    97 size 
    90 buffer 
    89 context 
    82 d 
    81 void 
    79 include 
    79 h 
    78 s 
    65 for 
    62 j 
    55 ptr 
    54 r 
    54 const 
    53 static 
    53 sem 
    51 pthread 
    49 z 
    49 oldneedle 
    49 err 
    47 to 
    47 return 
    46 mutex 
    44 printf 
    43 error 
    43 c 

注意單詞「H」經常出現的詞「包括」;這是有原因的！單詞t出現很多，但這是因爲，例如，size_t被過濾處理爲兩個單詞。保留下劃線是可能的;將第一個tr更改爲使用'[:alpha:]_'（注意下劃線）。你消除了數字，但你可以保留這些，如果你想。