按照这个线程BASH在.txt文件中查找回文后,我不知道我的脚本做错了什么。
#!/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 $1 }'
| sort | uniq -c
我从这个脚本中得到的只是整个文本文件的输出。我只想输出回文>=3并计算它们,如
425做
120非
等等。我的文本文件名为sample.txt,每次我用:cat sample.txt | source回文运行脚本时,我都会收到消息"bash::No such file or directory"。
使用awk和sed
awk 'function palindrome(str) {len=length(str); for(k=1; k<=len/2+len%2; k++) { if(substr(str,k,1)!=substr(str,len+1-k,1)) return 0 } return 1 } {for(i=1; i<=NF; i++) {if(length($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+$/d'
在1.2GB文件上测试,执行时间~4m 40s(i5-6440HQ @ 2.60GHz/4 cores/16GB)
解释:
awk '
function palindrome(str) # Function to check Palindrome
{
len=length(str);
for(k=1; k<=len/2+len%2; k++)
{
if(substr(str,k,1)!=substr(str,len+1-k,1))
return 0
}
return 1
}
{
for(i=1; i<=NF; i++) # For Each field in a record
{
if(length($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AAA
、BBB
等重复的字符组成的,并将其删除。
旧答案(编辑前)
如果你想,你可以尝试以下步骤:
步骤1:预处理
删除所有不必要的字符并将结果存储在临时文件中
tr -dc 'a-zA-Znt ' <file | tr ' ' 'n' > temp
tr -dc 'a-zA-Znt '
这将删除除字母、n
、t
、空格之外的所有字符
n
这将把空间转换为grep -wof temp <(rev temp)
,以分隔换行中的每个字
步骤2:处理
grep -wof temp <(rev temp) | sed -E -e '/^(.)1+$/d' | awk 'length>=3 {a[$1]++} END{ for(i in a) print a[i],i; }'
-w
这将为您提供所有回文level
:只选择那些包含构成完整单词的匹配项的行。例如:levelAAA
与-o
不匹配-f
:只打印匹配的组temp
:使用<(rev temp)
文件中的每个字符串作为模式在sed -E -e '/^(.)1+$/d'
中搜索
AAA
:这将删除由相同字母组成的单词,如BBBBB
、awk 'length>=3 {a[$1]++} END{ for(i in a) print a[i],i; }'
length>=3
:这将过滤具有$_
的单词,并对其频率进行计数,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
输出:
$ tr -dc 'a-zA-Znt ' <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
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}'
- 在Perl中,
for( /(w{3,})/g )
应读作">it"> if $_ eq reverse($_)
。。。对于所有相关的单词(可能需要一些工作来拒绝像"12a21"这样的假阳性)END {say "$_ $a{$_}" for...}
。。。如果它是回文search "$1"
。。。告诉我们所有it和it的编号
\谢谢{sokowi,蝙蝠侠}
运行脚本
脚本要求将该文件作为参数给出。脚本不读取stdin。
删除脚本中间的chmod u+x path/to/palindrome
行。这不是相关答案的一部分。
使用path/to/palindrome path/to/sample.txt
使脚本可执行。
使用CCD_30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
备选脚本
链接的脚本有时有效,有时无效。我还不知道为什么。然而,我写了一个替代脚本,它也做了同样的事情,而且更干净:
#! /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,并使用文件作为第一个参数来调用它。