计算纯文本文件中字符的出现次数

Posted 2023-02-16

【中文标题】计算纯文本文件中字符的出现次数

【英文标题】：Count occurrences of a char in plain text file

【发布时间】：2010-12-08 21:09:54

【问题描述】：

在linux/terminal下有什么方法可以统计，纯文本文件中char f出现了多少次？

【问题讨论】：

从技术上讲，这可以被认为是 sh/bash/etc。编程问题，所以我认为它在任何地方都有效。

@Rob Hruska：是的，我也认为是 bash 编程...... @abrashka：你的第一个和第二个问题的答案是“NO”！

【参考方案1】：

echo $(cat <file>  | wc -c) - $(cat <file>  | tr -d 'A' | wc -c) | bc

A 是字符

使用 4.9 MB 文件和 1100000 次搜索字符出现此命令的时间：

real   0m0.168s
user   0m0.059s
sys    0m0.115s

【讨论】：

如果你去掉不必要的 cat s，将文件名作为参数提供给 wc 和 tr，速度会***分之一。

如果你真的想优化这个，只读取一次文件： echo $(stat -c%s ) - $(cat | tr -d 'A' | wc - c) |公元前

@Vereb - tr 只读取 stdin，但可以通过管道而不是 cated: tr -d 'A' < <file> | wc ...

【参考方案2】：

tr -d '\n' < file | sed 's/A/A\n/g' | wc -l

将两次出现的“A”替换为您的角色，将“file”替换为您的输入文件。

tr -d '\n' < file：删除换行符 sed 's/A/A\n/g：在每次出现“A”后添加一个换行符 wc -l：统计行数

例子：

$ cat file
abcdefgabcdefgababababbbba


1234gabca

$ tr -d '\n' < file | sed 's/a/a\n/g' | wc -l
9

【参考方案3】：

这个怎么样：

fgrep -o f <file> | wc -l

注意：除了更容易记住/复制和自定义之外，这比 Vereb 的答案快大约三倍（抱歉，编辑！第一次测试失败）。

【讨论】：

如果需要统计\r或\n字符，这个不行； tr -cd f 答案确实适用。

计算几个字符，例如a、b 和 c，使用 egrep : egrep -o 'a|b|c' <file> | wc -l。

另外，请注意不要使用wc -c，因为tr 答案：因为grep 逐行输出，wc 会将行尾计为字符（因此加倍字符数）。

@bjnord 可以使用\r，但要算上\n，为什么不直接使用wc -l？

【参考方案4】：

如果您需要做的就是计算包含您的角色的行数，这将起作用：

grep -c 'f' myfile

但是，它会将同一行中多次出现的 'f' 视为一次匹配。

【参考方案5】：

更快：

tr -cd f < file | wc -c

此命令的时间，文件大小为 4.9 MB，搜索字符出现 1100000 次：

real   0m0.089s
user   0m0.057s
sys    0m0.027s

Vereb 用echo、cat、tr 和bc 回答同一个文件的时间：

real   0m0.168s
user   0m0.059s
sys    0m0.115s

Rob Hruska 用tr、sed 和wc 回答同一个文件的时间：

real   0m0.465s
user   0m0.411s
sys    0m0.080s

Jefromi 用fgrep 和wc 回答同一文件的时间：

real   0m0.522s
user   0m0.477s
sys    0m0.023s 

【讨论】：

计算几个字符，例如a、b 和 c：tr -cd abc < file | wc -l。

你确定吗？不应该是tr -cd abc < file | wc -c