跟着这个帖子BASH Finding palindromes in a .txt file我无法弄清楚我的脚本出了什么问题。
#!/bin/bash
search() {
tr -d '[[:punct:][:digit:]@]' \
| sed -E -e '/^(.)\1+$/d' \
| tr -s '[[:space:]]' \
| tr '[[:space:]]' '\n'
}
search "$1"
paste <(search <"$1") <(search < "$1" | rev) \
| awk '$1 == $2 && (length($1) >=3) { print $1 }' \
| sort | uniq -c
从这个脚本获取的所有内容都是整个文本文件的输出。我只想输出palindromes&gt; = 3并计算它们,如
425
120非
等。我的文本文件名为sample.txt,每次运行脚本时都会使用:cat sample.txt | source palindrome我得到消息'bash ::没有这样的文件或目录'。
答案 0 :(得分:3)
使用 awk 和 sed
awk 'function palindrome(str) {len=length(str); for(k=1; k<=len/2+len%2; k++) { if(substr(str,k,1)!=substr(str,len+1-k,1)) return 0 } return 1 } {for(i=1; i<=NF; i++) {if(length($i)>=3){ gsub(/[^a-zA-Z]/,"",$i); if(length($i)>=3) {$i=tolower($i); if(palindrome($i)) arr[$i]++ }} } } END{for(i in arr) print arr[i],i}' file | sed -E '/^[0-9]+ (.)\1+$/d'
经过 1.2GB 文件测试,执行时间 ~4m 40s (i5-6440HQ @ 2.60GHz/4 cores/16GB)
说明:
awk '
function palindrome(str) # Function to check Palindrome
{
len=length(str);
for(k=1; k<=len/2+len%2; k++)
{
if(substr(str,k,1)!=substr(str,len+1-k,1))
return 0
}
return 1
}
{
for(i=1; i<=NF; i++) # For Each field in a record
{
if(length($i)>=3) # if length>=3
{
gsub(/[^a-zA-Z]/,"",$i); # remove non-alpha character from it
if(length($i)>=3) # Check length again after removal
{
$i=tolower($i); # Covert to lowercase
if(palindrome($i)) # Check if it's palindrome
arr[$i]++ # and store it in array
}
}
}
}
END{for(i in arr) print arr[i],i}' file | sed -E '/^[0-9]+ (.)\1+$/d'
sed -E '/^[0-9]+ (.)\1+$/d'
:从最终结果中检查哪些字符串仅由重复的字符组成,例如AAA
,BBB
等,然后将其删除。
<小时/> 旧答案(编辑前)
如果您愿意,可以尝试以下步骤:
第1步:预处理
删除所有不必要的字符并将结果存储在临时文件
tr -dc 'a-zA-Z\n\t ' <file | tr ' ' '\n' > temp
tr -dc 'a-zA-Z\n\t '
这将删除除\n
,\t
,空格
tr ' ' '\n'
这会将空格转换为\n
以分隔换行符中的每个单词
第二步:处理
grep -wof temp <(rev temp) | sed -E -e '/^(.)\1+$/d' | awk 'length>=3 {a[$1]++} END{ for(i in a) print a[i],i; }'
grep -wof temp <(rev temp)
这会给你所有的回文
-w
:仅选择包含构成整个单词的匹配项的行。
例如:level
与levelAAA
不匹配
-o
:仅打印匹配的组
-f
:要将temp
文件中的每个字符串用作模式,以便在<(rev temp)
中搜索
sed -E -e '/^(.)\1+$/d'
:这会删除由AAA
,BBBBB
awk 'length>=3 {a[$1]++} END{ for(i in a) print a[i],i; }'
:这将过滤具有length>=3
的字词并计算其频率,最后打印结果
示例:
输入文件:
$ cat file
kayak nalayak bob dad , pikachu. meow !! bhow !! 121 545 ding dong AAA BBB done
kayak nalayak bob dad , pikachu. meow !! bhow !! 121 545 ding dong AAA BBB done
kayak nalayak bob dad , pikachu. meow !! bhow !! 121 545 ding dong AAA BBB done
<强>输出:强>
$ tr -dc 'a-zA-Z\n\t ' <file | tr ' ' '\n' > temp
$ grep -wof temp <(rev temp) | sed -E -e '/^(.)\1+$/d' | awk 'length>=3 {a[$1]++} END{ for(i in a) print a[i],i; }'
3 dad
3 kayak
3 bob
答案 1 :(得分:3)
只是一个快速的Perl替代方案:
perl -0nE 'for( /(\w{3,})/g ){ $a{$_}++ if $_ eq reverse($_)}
END {say "$_ $a{$_}" for keys %a}'
$_
应该被理解为“ it ”。for( /(\w{3,})/g )
...所有相关词汇(可能需要一些工作来拒绝像“12a21”这样的误报)if $_ eq reverse($_)
...如果它是回文END {say "$_ $a{$_}" for...}
...告诉我们所有它和它的号码\ {感谢sokowi,蝙蝠侠}
答案 2 :(得分:2)
脚本期望该文件作为参数提供。该脚本不读取标准输入。
删除脚本中间的行search "$1"
。它不是链接答案的一部分。
使用chmod u+x path/to/palindrome
使脚本可执行。
使用path/to/palindrome path/to/sample.txt
调用脚本。如果所有文件都在当前工作目录中,则命令为
./palindrome sample.txt
有时链接的脚本有效,有时它不起作用。我还没找到原因。但是,我写了一个替代脚本,它做了同样的事情并且也更清洁了一些:
#! /bin/bash
grep -Po '\w{3,}' "$1" | grep -Evw '(.)\1*' | sort > tmp-words
grep -Fwf <(rev tmp-words) tmp-words | uniq -c
rm tmp-words
保存脚本,使其可执行,并以文件作为第一个参数调用它。