Question

我不是Linux的专家，但是在不同的论坛中查看不同的帖子，我一直在尝试编写一个脚本来匹配文件中出现的字符模式。我的文件大约有2亿个字符（大写和小写），每行约50个字符。我已将所有行合并在一起，使用

创建一行

tr -d '\n' < input.txt > oneLineInput.txt

这会将我文件中的所有字符都放到没有空格的同一行。

我正在尝试计算特定字符一起出现的次数。例如，在下面的文件中

IamTryingtobuildascriptfortrestingthetyposinmysentence

我试图寻找句子中出现的'tr'模式。我现在的脚本是

grep -o -i oneLineInput.txt -e tr | sort | uniq -c

上面的脚本对于一个小文件非常适用，但是当我尝试在我的实际文件上运行它超过2亿个字符时，完成任务需要很长时间（我失去了耐心并且没有检查总时间拍摄）。

有没有办法可以优化代码？

我也一直试图获得比赛的位置。例如，在上面的示例文件中，'tr'从第4和第27位开始。

是否可以将索引的位置作为输出中的数字。

谢谢

Answer 1

此awk将显示tr

中您有多少oneLineInput.txt

awk -F"[Tt][Rr]" '{print NF-1}' oneLineInput.txt
2

获得职位：

awk -F"[Tt][Rr]" 'BEGIN {print "hit\tposition"} {for (i=1;i<NF;i++) {p+=length($i);print ++a"\t"p+1+(a-1)*2}}' oneLineInput.txt
hit     position
1       4
2       27

获得职位：p+1+(a-1)*2
p增量字段长度
+1因为tr来自字段的长度。{ (a-1)*2点击次数-1用于搜索tr = 2个字符的多个数据长度。

Answer 2

以下是使用awk执行此操作的另一种方法：

{ 
    while (match($0, /[Tt][Rr]/)) {
        ++n
        m += RSTART
        $0 = substr($0, RSTART + RLENGTH)
        printf "match %d: position %d\n", n, m + n - 1
    }
}

match存储变量RSTART中第一个匹配的位置以及RLENGTH中匹配的长度。 n会计算匹配数。 substr用于从字符串的开头删除匹配项。要打印的位置必须偏移n - 1。

输出：

$ awk -f matches.awk file
match 1: position 4
match 2: position 27

在文件中搜索，计数和计数的位置

2 个答案: