C小加

厚德 博学 求真 至善 The bright moon and breeze
posts - 145, comments - 195, trackbacks - 0, articles - 0
  C++博客 :: 首页 :: 新随笔 :: 联系 :: 聚合  :: 管理
写一个文本处理程序,查找文本中n个出现频率最高的单词,输出的结果需要显示这些单词出现的次数,并按照次数从大到小排序。

把问题分成六个步骤:

1,将文本以一行一个单词的形式显示出来

2,将大写字母转换成小写

3,对单词进行排序

4,对排序好的单词列表统计每个单词出现的次数

5,按照出现的次数排序

6,显示单词列表的前n行

脚本的代码如下:


#topn.sh脚本

#
!/bin/bash

end
=$1     #1

cat $
2 |      #2

tr 
-cs "[a-z][A-Z]" "[\012*]" |      #3

tr A
-Z a-|      #4

sort 
|      #5

uniq 
-|      #6

sort 
-k1nr -k2 |       #7

head 
-n"$end"       #8


#1:$1为第一个参数,表示输出频率最高的行数

#2:$2为第二个参数,表示目标文本,使用cat把目标文本输入管道,|为管道符

#3:tr命令的-c选项用于选定不在”[a-z][A-Z]”字符集内的字符,tr命令将选定的字符转换成换行符,\012是换行符的八进制码,*表示将换行符任意扩展,使其等于被替换的字符集个数,这样就将所有非字母的符号转换为换行符,从而将文本文件以一行一个单词的形式显示出来。-s删除所有重复出现的字符序列,只保留一个。最后把得到的结果输入管道。

#4:tr把大写字母转化成小写字母

#5:把分好的单词进行排序

#6:uniq对排序好的单词列表统计每个单词出现的次数,并删除相邻重复行,-c 在输出行前面加上每行在输入文件中出现的次数。 这样就得到了出现的频率及其对应的单词。

#7:用sort按照出现的频率从大大小排序,频率相同的按照字母排序。-k1表示按照第一域进行排序,-k2为按照第二域进行排序,先按照第一域排序如果第一域相等再按照第二域排序,-n表示数字,-r表示从大到小排序

#8:head 输出前n行


输出结果:

root@lNotebook-PC:/home/lwx/myshelltest# ./topn.sh 5 test .txt
13 qwe
12 qw
11 eqw
8 sdf
7 we

Feedback

# re: 一天一个shell实例(1)文本中n个出现频率最高的单词  回复  更多评论   

2013-06-04 09:39 by ikodota
如何支持中文呢?

只有注册用户登录后才能发表评论。
网站导航: 博客园   IT新闻   BlogJava   知识库   博问   管理