Question

我试图对cygwin中某些辅音群的频率进行排序。

首先使用的命令是：

tr 'a-zöäü' 'A-ZÖÄÜ' < text.txt | tr -sc 'BCDFGHJKLMNPQRSTVWXYZ' '\n' | 
sort | uniq -c | sort -nr

我认为它的作用：

将所有低级转换为大写，消除与第一个正则表达式不匹配的所有内容，并在每个字符串后打印一个新行。

它给了我一个这样的清单：

这已经相当不错了，但我只对两个以上字母的集群感兴趣（所以第一场对我来说很有趣的比赛就是'ND'）。现在我试图用少于两个字母来强化每个字符串。

我尝试了什么：

 tr 'a-zöäü' 'A-ZÖÄÜ' < text.txt | tr -sc [BCDFGHJKLMNPQRSTVWXYZ]{2} '\n' | 
 sort | uniq -c | sort -nr

因为我认为添加{2}会匹配任何辅音组合，并拒绝单个字母颠倒我的列表（N，R，D ..） - 但实际上并没有改变任何东西，列表保持不变。

任何人都可以帮助我吗？

谢谢。

Answer 1

您可以使用grep：

进行后期处理

... | grep -E '[[:digit:]]+ [[:alnum:]]{2,}$'

这只会显示以两个或多个字符及其前面的数字结尾的行。

Answer 2

使用一点Perl可以相当简单：

perl -ne '$_ = join("", <>); print map("$_\n", m/[[:alnum:]]{2,}/g)' < text.txt | \
    sort | uniq -c | sort -nr

让Perl进行计数和排序也会更有效：

perl -ne '$_ = join("", <>); for (m/[[:alnum:]]{2,}/g) { $m{$_}++ } END { print map("$m{$_}: $_\n", sort { $m{$a} <=> $m{$b} } keys %m) }' < text.txt

这个单行Perl脚本扩展并评论：

# match and iterate over alphabetic sequences of length >= 2
for (m/[[:alnum:]]{2,}/g) {
    # increment the count of the current item, building a map of counts
    $m{$_}++
}
END {
    # print the map as COUNT: ITEM, sorted by counted, descending
    print map("$m{$_}: $_\n", sort { $m{$a} <=> $m{$b} } keys %m)
}

RegEx：查找包含两个或更多字母的每个字符串

2 个答案: