Question

我有一个文件夹my_folder，其中包含800多个文件myfile_*，其中*是每个文件的唯一ID。在我的文件中，我基本上有各种重复的字段，但我感兴趣的是<rating>字段。此字段的行如下所示：<rating>n其中n是评分。这些行每隔14行出现一次，从第10行（10 + 14i）开始，到文件结束时结束。我的工作是编写一个脚本myscript.sh，以总结我文件夹中每个文件的所有n值，然后从最高到最小排序。输出结果如下

myfile_1234 5112
myfile_5214 2134
myfile_6124 1233
...

其中数字后缀是每个文件的n的总和。我的文件长度差异很大，从20个字段到2500个字段。我将如何做到这一点？我想我将使用某种形式的grep命令来查找<rating>的出现，然后总结出现后的数字，或者可以使用每10 + 14i行出现这一行的事实，从10开始。感谢您的时间，非常感谢任何建议。

输入文件：

<Overall Rating>2.5
<Avg. Price>$155
<URL>

<Author>Jeter5
<Content>I hope we're not disappointed! We enjoyed New Orleans...
<Date>Dec 19, 2008
<No. Reader>-1
<No. Helpful>-1
<rating>4
<Value>-1
<Rooms>3
<Location>5
<Cleanliness>3
<Check in / front desk>5
<Service>5
<Business service>5

<Author>...
repeat fields again...

脚本必须在命令行中将文件夹名称作为参数，例如./myscript.sh my_folder

Answer 1

你可以使用awk而不关心起跑线

如果我很好理解，如果您输入以下命令：

grep rating fileName.txt

你会有类似的东西（我已经创建了一个示例输入文件）：

grep "<rating>" myfile_12345
<rating>7                                                                                                                                                                                                                                               
<rating>1
<rating>2

您可以使用此awk

awk -F"<rating>" 'BEGIN{sum=0}{sum+=$2}END{print sum}' myfile_12345

输出中：

然后您可以在for循环

中使用它

for file in $(find . -name "myfile_*")
do
  printf "%s $file "
  awk -F"<rating>" 'BEGIN{sum=0}{sum+=$2}END{printf " %s\t\n", sum}' $file
done

输出：

./myfile_12345  10                                                                                                                                                                                                                                     
./myfile_17676  19                                                                                                                                                                                                                                     
./myfile_9898  24

最好的问候

克劳迪奥

Answer 2

这是我的解决方案：

#/bin/bash
dir=$1

grep -P -o '(?<=<rating>).*' $dir/* |awk -F: '{A[$1]+=$2;next}END{for(i in A){print i,A[i]}}'|sort -n -k2

看起来最终的排序并不需要，所以你可以删除它。

如何总结我文件中的数字？

2 个答案: