在文本文件中计数回文
已关注此线程BASH Finding palindromes in a .txt file我无法弄清楚我的脚本在做什么错。在文本文件中计数回文
#!/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 $1 }' \
| sort | uniq -c
所有从这个脚本得到的都是整个文本文件的输出。我只想输出回文> = 3和尽数如
425做
120非
等我的文本文件被称为sample.txt的,每次我运行该脚本:猫样。 txt |源回文我得到消息'bash::没有这样的文件或目录'。
使用AWK和sed的
awk 'function palindrome(str) {len=length(str); for(k=1; k<=len/2+len%2; k++) { if(substr(str,k,1)!=substr(str,len+1-k,1)) return 0 } return 1 } {for(i=1; i<=NF; i++) {if(length($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+$/d'
测试在1.2GB文件和执行时间为〜400 40岁(i5-6440HQ @ 2.60GHz/4 cores/16GB)
说明:
awk '
function palindrome(str) # Function to check Palindrome
{
len=length(str);
for(k=1; k<=len/2+len%2; k++)
{
if(substr(str,k,1)!=substr(str,len+1-k,1))
return 0
}
return 1
}
{
for(i=1; i<=NF; i++) # For Each field in a record
{
if(length($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是由重复的字符组成,如AAA
,BBB
等,并将其删除。
老答(编辑之前)
,如果你想你可以试试下面的步骤:
步骤1:预处理
删除所有不必要的字符,并将结果在临时文件中
tr -dc 'a-zA-Z\n\t ' <file | tr ' ' '\n' > temp
tr -dc 'a-zA-Z\n\t '
这将所有删除除字母,\n
,\t
,空间
tr ' ' '\n'
这将空间转换到\n
每个单词在换行分离
步骤2:处理
grep -wof temp <(rev temp) | sed -E -e '/^(.)\1+$/d' | awk 'length>=3 {a[$1]++} END{ for(i in a) print a[i],i; }'
grep -wof temp <(rev temp)
这会给你所有的回文-w
:只选择那些包含匹配表单的行整个词。 例如:level
将不匹配与levelAAA
-o
:只打印匹配的组-f
:要使用的每个字符串中temp
文件作为图案<(rev temp)
sed -E -e '/^(.)\1+$/d'
搜索:这将删除的同形成字信件像AAA
,BBBBB
awk 'length>=3 {a[$1]++} END{ for(i in a) print a[i],i; }'
:这将过滤使length>=3
单词和计数的频率,最后打印出结果
实施例:
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
输出:
$ 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
运行脚本
脚本希望该文件作为参数给出。该脚本不读取stdin。
删除脚本中间的行search "$1"
。它不是链接答案的一部分。
使脚本可执行使用chmod u+x path/to/palindrome
。
使用path/to/palindrome path/to/sample.txt
调用脚本。如果所有的文件都在当前工作目录,则命令为
./palindrome sample.txt
替代文字
有时链接的脚本工作,有时没有。我还没有找到原因。不过,我写了一个替代脚本,做同样的,也是有点清洁:
#! /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,使它可执行文件,并以文件作为第一个参数调用它。
只是快速的Perl替代:
perl -0nE 'for(/(\w{3,})/g){ $a{$_}++ if $_ eq reverse($_)}
END {say "$_ $a{$_}" for keys %a}'
- in Perl,
$_
应被解读为“it”。 -
for(/(\w{3,})/g)
......为所有相关的单词(可能需要一些工作,拒绝误报像 “12a21”) -
if $_ eq reverse($_)
......如果它是回文 -
END {say "$_ $a{$_}" for...}
...告诉我们所有的它 S和它的号码
\感谢{sokowi,蝙蝠侠}
你想算回文数,还是要数*每个回文*文本文件中出现的次数? – Socowi
这个问题涉及一个courswork任务(由我设定),并发布部分解决方案,并要求在堆栈交换解决方案是违反剽窃和合谋条例。如果您在使代码正常工作时遇到问题,请向我或助教寻求帮助。请把这个问题删除? –