Question

我有一系列文档正在通过以下函数来计算每个文档中的单词出现次数。此函数可以很好地输出到控制台，但现在我想生成一个包含信息的文本文件，但文件名附加到列表中的每个单词。

我当前的控制台输出是：

"processing document1 with x unique words occuring as follows"
"word1     12"
"word2      8"
"word3      3"
"word4      4"
"word5      1"

我想要这种格式的分隔文件：

document1;word1;12
document1;word2;8  
document1;word3;3
document1;word4;4
document1;word1;1
document2;word1;16
document2;word2;11 
document2;word3;9
document2;word4;9
document2;word1;13

虽然下面的函数让我得到单词和出现的列表，但是我很难弄清楚在哪里或如何插入文件名变量，以便在每行的开头打印。 MSDN一直不太有用，我尝试插入变量的大多数地方都会导致错误（见下文）

function Count-Words ($docs) {
    $document = get-content $docs 
    $document = [string]::join(" ", $document)        
    $words = $document.split(" `t",[stringsplitoptions]::RemoveEmptyEntries)                             
    $uniq = $words | sort -uniq  
    $words | % {$wordhash=@{}} {$wordhash[$_] += 1}
    Write-Host $docs "contains" $wordhash.psbase.keys.count "unique words distributed as follows."
    $frequency = $wordhash.psbase.keys | sort {$wordhash[$_]}
    -1..-25 | %{ $frequency[$_]+" "+$wordhash[$frequency[$_]]} | Out-File c:\out-file-test.txt -append
    $grouped = $words | group | sort count

我是否需要创建一个字符串以传递给外部文件cmdlet？这是我在最近几次尝试中错误放置的东西吗？我想知道为什么它会在特定的地方发生。现在我只是猜测，因为我知道我不知道在哪里放out-file来实现我选择的结果。

我已经尝试使用-$docs和-FilePath格式化每个powershell帮助的命令，但每次我向成功运行的out-file添加任何内容时，都会出现以下错误：

Out-File : Cannot validate argument on parameter 'Encoding'. The argument "c:\out-file-test.txt" does not bel
ong to the set "unicode,utf7,utf8,utf32,ascii,bigendianunicode,default,oem" specified by the ValidateSet attribute. Sup
ply an argument that is in the set and then try the command again.
At C:\c.ps1:39 char:71
+     -1..-25 | %{ $frequency[$_]+" "+$wordhash[$frequency[$_]]} | Out-File <<<<  -$docs -width 1024 c:\users\x46332\co
unt-test.txt -append
    + CategoryInfo          : InvalidData: (:) [Out-File], ParameterBindingValidationException
    + FullyQualifiedErrorId : ParameterArgumentValidationError,Microsoft.PowerShell.Commands.OutFileCommand

Answer 1

我重写了大部分代码。您应该利用对象来更轻松地按照您想要的方式进行格式化。这个分裂在“空间”上并将单词组合在一起。试试这个：

Function Count-Words ($paths) {
    $output = @()
    foreach ($path in $paths) {
        $file = Get-ChildItem $path 
        ((Get-Content $file) -join " ").Split(" ", [System.StringSplitOptions]::RemoveEmptyEntries) | Group-Object | Select-Object -Property @{n="FileName";e={$file.BaseName}}, Name, Count | % { 
            $output += "$($_.FileName);$($_.Name);$($_.Count)" 
        }
    }
    $output | Out-File test-out2.txt -Append
}

$filepaths = ".\test.txt", ".\test2.txt"

Count-Words -paths $filepaths

它输出就像你问的那样（文件;单词;计数）。如果您希望documentname包含扩展名，请将$file.BaseName更改为$file.Name。 Testoutput：

test;11;1
test;9;2
test;13;1
test2;word11;5
test2;word1;4
test2;12;1
test2;word2;2

Answer 2

试试这个：

$docs = @("document1", "document2", ...)

$docs | % {
  $doc = $_
  Get-Content $doc `
    | % { $_.split(" `t",[stringsplitoptions]::RemoveEmptyEntries) } `
    | Group-Object `
    | select @{n="Document";e={$doc}}, Name, Count
} | Export-CSV output.csv -Delimiter ";" -NoTypeInfo

如果你想把它变成一个函数你可以这样做：

function Count-Words($docs) {
  foreach ($doc in $docs) {
    Get-Content $doc `
      | % { $_.split(" `t",[stringsplitoptions]::RemoveEmptyEntries) } `
      | Group-Object `
      | select @{n="Document";e={$doc}}, Name, Count
  }
}

$files = @("document1", "document2", ...)

Count-Words $files | Export-CSV output.csv -Delimiter ";" -NoTypeInfo

Answer 3

略有不同的方法：

function Get-WordCounts ($doc)
{
      $text_ = [IO.File]::ReadAllText($doc.fullname)

      $WordHash = @{}

      $text_ -split '\b' -match '\w+'|
        foreach {$WordHash[$_]++}

      $WordHash.GetEnumerator() | 
       foreach {
         New-Object PSObject -Property @{
                                          Word     = $_.Key
                                          Count    = $_.Value
                                         }
               }
  }


$docs = gci c:\testfiles\*.txt |
 sort name

 &{
 foreach ($doc in dir $docs)
        {
           Get-WordCounts $doc |
           sort Count -Descending |
            foreach {
              (&{$doc.Name;$_.Word;$_.Count}) -join ';'  
             }
        }
} | out-file c:\somedir\wordcounts.txt

我需要帮助格式化输出PowerShell Out-File cmdlet

3 个答案: