Question

是否有一种干净的方法可以使用grep，sed或awk获取文本文件中特定模式后面的单词列表及其频率？例如，假设以下文本文件：

155 20 120 156 20 9 157 158 9 40
163 7 95 164 20 9 165 9 40
99 100 20 15 29 101 6 9 40 165
9 22 23 167 168 9 165 171 40

我想知道9后面的单词是什么，以及它们出现在9旁边的次数。所以，输出看起来像这样：

Answer 1

使用GNU awk进行多字符RS：

$ awk -v RS='\\s+' 'p==9{c[$0]++} {p=$0} END{for (w in c) print w, c[w]}' file
165 2
157 1
22 1
40 3

其他问题：

$ awk '{for (i=2;i<=NF;i++) if ($(i-1)==9) c[$i]++} END{for (w in c) print w, c[w]}' file
165 2
157 1
22 1
40 3

Answer 2

试试这个：

grep -owE "9 [0-9]+" filename | sed "s/^9 //" | sort -n | uniq -c

它几乎返回你想要的东西：

限制：此方法不会计算连续的9位数。

Answer 3

使用awk，你可以写：

awk '
    {
        for (i=1; i<NF; i++) 
            if ($i == 9) 
                follow[$(++i)]++
    } 
    END {
        for (f in follow) 
            print f, follow[f]
    }
' file

Answer 4

这是一个仅有awk的解决方案：

awk '{for(i=1; i < NF; i++){
      if($i == 9) nextToNine[$(i+1)]++;}} 
      END{for(j in nextToNine) print j"\t"nextToNine[j]}' test.txt

Answer 5

将Perl正则表达式与grep一起使用：

grep -oP "(?<=\b9\s)\d+" file |sort -n|uniq -c

Answer 6

仅Perl解决方案：

perl -ne '$h{$1}++ while /\b9 (\w+)/g }{ print "$_ $h{$_}\n" for keys %h' input.txt

在文本文件中列出单词后跟单词及其频率

6 个答案: