bash脚本以找到文件中每个字母的频率

Question

我试图找出输入文件中英语字母中每个字母的外观频率。我该如何在BASH脚本中执行此操作？

Answer 1

只有一个尴尬命令

awk -vFS="" '{for(i=1;i<=NF;i++)w[$i]++}END{for(i in w) print i,w[i]}' file

如果您想案例不敏感，请添加 tolower()

awk -vFS="" '{for(i=1;i<=NF;i++)w[tolower($i)]++}END{for(i in w) print i,w[i]}' file

如果您只想要字符，

awk -vFS="" '{for(i=1;i<=NF;i++){ if($i~/[a-zA-Z]/) { w[tolower($i)]++} } }END{for(i in w) print i,w[i]}' file

如果您只需要数字，请更改 /[a-zA-Z]/ 至 /[0-9]/

如果您不想显示Unicode，请执行 export LC_ALL=C

Answer 2

我的解决方案使用 grep, sort 和 uniq.

grep -o . file | sort | uniq -c

忽略案例：

grep -o . file | sort -f | uniq -ic

Answer 3

解决方案 sed, sort 和 uniq:

sed 's/\(.\)/\1\n/g' file | sort | uniq -c

这计算所有字符，不仅是字母。您可以过滤出来：

sed 's/\(.\)/\1\n/g' file | grep '[A-Za-z]' | sort | uniq -c

如果要考虑大写和小写，请添加翻译：

sed 's/\(.\)/\1\n/g' file | tr '[:upper:]' '[:lower:]' | grep '[a-z]' | sort | uniq -c

Answer 4

这是一个建议：

while read -n 1 c
do
    echo "$c"
done < "$INPUT_FILE" | grep '[[:alpha:]]' | sort | uniq -c | sort -nr

Answer 5

类似于上面的Mouviciel的答案，但是BSD系统上使用的Bourne和Korn壳的通用性更高，当您没有GNU SED时，它支持替换中的 n，您可以支持避开新线：

sed -e's/./&\
/g' file | sort | uniq -c | sort -nr

或为避免在屏幕上的视觉拆分，请按类型Ctrl+V Ctrl+J插入字面的新线

sed -e's/./&\^J/g' file | sort | uniq -c | sort -nr