Bash Wörter zählen

2 Beiträge14.03.2010Archiviert
movco14.03.2010 · Beitrag #20852
Avatar
Mitglied seit: 08.10.2007
Forenbeiträge: 264
Besuche: 1383
Also ich bin beim Surfen auf eine Seite gestoßen, wo jemand über Bash das häufigste Wort in einer Datei findet.
So nun hat er als Referenz den Text genommen: http://www.gutenberg.org/files/27761/27761-8.txt

Ich hab jetzt einfach mal mit einem kurzen Befehl das Wort the gesucht und gezählt:
[cli]tr -s '\n' ' ' | tr -s ' ' '\n' | grep -i -w -c the;[/cli]

Als Anzahl bekomme ich jetzt 1475 heraus, jedoch bekommt der andere 1522 heraus. Ich nehme an, dass 1522 korrekt ist, aber wo liegt der Fehler meiner Abfrage?
Groß-Kleinschreibung habe ich ja beachtet. Das einzige was ich nicht beachte, ist wenn the hintereinander ohne Lehrzeichen steht, aber substituieren kann ich ja auch nicht nach the ... weil sonst werden die fälle wie them oder so auch mitgezählt.


LG

Ps. irgendwie wird bei '\n' der Backslash nicht angezeigt ... dh vor n steht noch backslash

[ Bearbeitet ]
movco25.03.2010 · Beitrag #20894
Avatar
Mitglied seit: 08.10.2007
Forenbeiträge: 264
Besuche: 1383
Naja da keine Antwort kam, hier die Lösung:

sed 's/\([A-Z]\)/\L\1/g' | sed '/[a-z]/s/-/ /g' | tr -s '\41-\57 \72-\100 \133-\140 \173-\176' ' ' |
tr -s '\n' ' ' |
tr -s '[:blank:]' ' ' |
tr -s " " |
tr -s ' ' '\n' |
sort |
uniq -c |
sort -rn |
sed -ne "1,$ARGUMENT1 p";