web-dev-qa-db-ja.com

各文字の出現回数を数えるには？

たとえば、次の内容を含むファイル1.txtがあります。

Moscow
Astana
Tokyo
Ottawa

私はすべての文字の数を次のように数えたいです：

a - 4,
b - 0,
c - 1,
...
z - 0
command-linebashtext-processing
13
Set-xx

これを使用できます：

sed 's/\(.\)/\1\n/g' 1.txt | sort | uniq -ic
  4  
  5 a
  1 c
  1 k
  1 M
  1 n
  5 o
  2 s
  4 t
  2 w
  1 y

sed部分は、すべての文字の後に改行を配置します。次に、sortをアルファベット順に出力します。そして、最後にuniqは発生回数をカウントします。大文字と小文字を区別しない場合は、uniqの-iフラグを省略できます。

20
chaos

少し遅れましたが、セットを完了するために、別のpython（3）アプローチ、ソートされた結果：

#!/usr/bin/env python3
import sys

chars = open(sys.argv[1]).read().strip().replace("\n", "")
[print(c+" -", chars.count(c)) for c in sorted(set([c for c in chars]))]

A - 1
M - 1
O - 1
T - 1
a - 4
c - 1
k - 1
n - 1
o - 4
s - 2
t - 3
w - 2
y - 1

説明

  1. ファイルを読み取り、スペースをスキップして「文字」として返します。

    chars = open(sys.argv[1]).read().strip().replace("\n", "")

  2. （ソートされた）一意のセットを作成します。

    sorted(set([c for c in chars]))

  3. 各文字の出現回数をカウントして印刷します。

    print(c+" -", chars.count(c)) for c in <uniques>

使い方

  1. コードを空のファイルに貼り付け、chars_count.pyとして保存します

  2. 次のいずれかの方法で、ファイルを引数として実行します。

    /path/to/chars_count.py </path/to/file>

    スクリプトが実行可能な場合、または：

    python3 /path/to/chars_count.py </path/to/file>

    そうでない場合

5
Jacob Vlijm

デフォルトでは awk theFieldSeparator（FS）はspaceまたはtabです。各文字をカウントするため、FSを何も定義しないで（FS=""）再定義し、各文字を個別の行に分割して配列に保存し、最後にinsideEND{..}ブロック、次の awk コマンドにより、出現回数の合計を出力します。

$ awk '{for (i=1;i<=NF;i++) a[$i]++} END{for (c in a) print c,a[c]}' FS="" file
A 1
M 1
O 1
T 1
a 4
c 1
k 1
n 1
o 4
s 2
t 3
w 2
y 1

{for (i=1;i<=NF;i++) a[$i]++} ... FS="" ...ブロックでは、文字を分割するだけです。そして
END{for (c in a) print c,a[c]}ブロックでは、配列aにループし、その中に保存された文字を印刷しますprint cおよびその出現回数a[c]

5
αғsнιη

ここで別の解決策（awkで）...

awk '
        { for (indx=length($0); indx >= 1; --indx)
                ++chars[tolower(substr($0, indx, 1))]
        }
END     { for (c in chars) print c, chars[c]; }
' 1.txt | sort
  • 各文字をインデックス値として、カウントを配列値として連想配列を作成します。
  • ENDアクションは配列を出力します。
3
Howard H

カウントするすべての文字に対してforループを実行し、grep -ioを使用して文字の出現をすべて取得し、大文字と小文字を区別せず、wc -lを使用してインスタンスをカウントし、結果を出力します。

このような：

#!/bin/bash

filename="1.txt"

for char in {a..z}
do
    echo "${char} - `grep -io "${char}" ${filename} | wc -l`,"
done

スクリプトはこれを出力します：

a - 5,
b - 0,
c - 1,
d - 0,
e - 0,
f - 0,
g - 0,
h - 0,
i - 0,
j - 0,
k - 1,
l - 0,
m - 1,
n - 1,
o - 5,
p - 0,
q - 0,
r - 0,
s - 2,
t - 4,
u - 0,
v - 0,
w - 2,
x - 0,
y - 1,
z - 0,

コメントの後に編集

すべての印刷可能文字のループを作成するには、次のようにします。

#!/bin/bash

filename="a.txt"

for num in {32..126}
do
   char=`printf "\x$(printf %x ${num})"`
   echo "${char} - `grep -Fo "${char}" ${filename} | wc -l`,"
done

これにより、32〜126のすべてのANSI文字がカウントされます-これらは最も一般的に読み取り可能な文字です。これは大文字と小文字を区別しないことに注意してください。

これからの出力は次のようになります。

- 0,
! - 0,
" - 0,
# - 0,
$ - 0,
% - 0,
& - 0,
' - 0,
( - 0,
) - 0,
* - 0,
+ - 0,
, - 0,
- - 0,
. - 0,
/ - 0,
0 - 0,
1 - 0,
2 - 0,
3 - 0,
4 - 0,
5 - 0,
6 - 0,
7 - 0,
8 - 0,
9 - 0,
: - 0,
; - 0,
< - 0,
= - 0,
> - 0,
? - 0,
@ - 0,
A - 1,
B - 0,
C - 0,
D - 0,
E - 0,
F - 0,
G - 0,
H - 0,
I - 0,
J - 0,
K - 0,
L - 0,
M - 1,
N - 0,
O - 1,
P - 0,
Q - 0,
R - 0,
S - 0,
T - 1,
U - 0,
V - 0,
W - 0,
X - 0,
Y - 0,
Z - 0,
[ - 0,
\ - 0,
] - 0,
^ - 0,
_ - 0,
` - 0,
a - 4,
b - 0,
c - 1,
d - 0,
e - 0,
f - 0,
g - 0,
h - 0,
i - 0,
j - 0,
k - 1,
l - 0,
m - 0,
n - 1,
o - 4,
p - 0,
q - 0,
r - 0,
s - 2,
t - 3,
u - 0,
v - 0,
w - 2,
x - 0,
y - 1,
z - 0,
{ - 0,
| - 0,
} - 0,
~ - 0,
3
stalet

Pythonを使用したソリューションは次のとおりです。

#!/usr/bin/env python2
import collections, string
with open('1.txt') as f:
    input_string = f.read().replace('\n', '').lower()
    count_dict = collections.Counter(input_string)
    for char in string.lowercase:
        print char + ' - ' + str(count_dict[char]) + ','

ここでは、collectionsモジュールのCounterクラスを使用して各文字の出現回数をカウントし、印刷のためにstringモジュールを使用して変数ですべての小文字を取得しましたstring.lowercase。

上記のスクリプトをファイルに保存し、任意の名前を付けます。 count.py。これで、ファイルが保存されている同じディレクトリからpython count.pyを実行してファイルを実行するだけで、他のディレクトリからファイルへの絶対パスを使用して実行できます（つまり、python /absolute/path/to/count.py）。

2
heemayl

次のPerl onelinerがカウントを行います。正規表現をリストコンテキストに配置して（一致数を取得するため）、それをスカラーコンテキストに配置します。

$ Perl -e '$a=join("",<>);for("a".."z"){$d=()=$a=~/$_/gi;print"$_ - $d,\n"}' 1.txt
a - 5,
b - 0,
c - 1,
d - 0,
e - 0,
f - 0,
g - 0,
h - 0,
i - 0,
j - 0,
k - 1,
l - 0,
m - 1,
n - 1,
o - 5,
p - 0,
q - 0,
r - 0,
s - 2,
t - 4,
u - 0,
v - 0,
w - 2,
x - 0,
y - 1,
z - 0,
2
Sylvain Pineau

largeファイルを見て静的データを生成するために必要だったので、少し前にそれを行うCプログラムを書きました。

#include <stdlib.h>
#include <stdint.h>
#include <stdio.h>
#include <ctype.h>
#include <limits.h>
#include <math.h>
#include <sysexits.h>


inline static double square(double x)
{
    return x * x;
}


int main()
{
    static const unsigned distribution_size = 1 << CHAR_BIT;

    int rv = EX_OK;
    uintmax_t *distribution = calloc(distribution_size, sizeof(*distribution));

    {
        int c;
        while ((c = getchar()) != EOF)
            distribution[c]++;

        if (ferror(stdin)) {
            perror("I/O error on standard input");
            rv = EX_IOERR;
        }
    }

    uintmax_t sum = 0;
    for (unsigned i = 0; i != distribution_size; i++)
        sum += distribution[i];
    double avg = (double) sum / distribution_size;

    double var_accum = 0.0;
    for (unsigned i = 0; i != distribution_size; i++)
    {
        const uintmax_t x = distribution[i];

        printf("'%c' (%02X): %20ju", isprint((int) i) ? i : ' ', i, x);
        if (x != 0) {
            var_accum += square((double) x - avg);
            printf(" (%+.2e %%)\n", ((double) x / avg - 1.0) * 100.0);
        } else {
            var_accum += square(avg);
            putchar('\n');
        }
    }

    double stdev = sqrt(var_accum / distribution_size);
    double varcoeff = stdev / avg;
    printf(
        "total: %ju\n"
        "average: %e\n"
        "standard deviation: %e\n"
        "variation coefficient: %e\n",
        sum, avg, stdev, varcoeff);

    free(distribution);
    return rv;
}

コンパイル（ソースコードがcharacter-distribution.cにあると仮定）：

cc -std=c99 -O2 -g0 -o character-distribution character-distribution.c

で実行：

./character-distribution < 1.txt

Cコンパイラの準備ができていない場合は、GCCをインストールします。

Sudo apt-get install gcc build-essential
1
David Foerster

GNU awk 4.1

awk -iwalkarray '{for (;NF;NF--) b[$NF]++} END {walk_array(b)}' FS=

[A] = 1
[O] = 1
[w] = 2
[k] = 1
[y] = 1
[T] = 1
[n] = 1
[a] = 4
[o] = 4
[c] = 1
[s] = 2
[t] = 3
[M] = 1

以前のバージョンのGNU awkがある場合は、for (c in b) print c, b[c]を使用できます。

0
Steven Penny

ここにRubyを使用した答えがあります。これは、文字列を異なる文字のuniqリストに変更し、それぞれの文字列でcountメソッドを使用することにより行われます。

#!/usr/bin/env Ruby

String content = IO.read("1.txt")
content.split("").uniq.sort.each { |chr| puts( chr + ' - ' + content.count(chr).to_s) }
0
stalet

Python 2.7およびPython 3.で動作する、よりタイトなコードを使用した@heemaylの同様のソリューション。

#!/usr/bin/python

import collections
import fileinput
import itertools
import string

count = collections.Counter(itertools.chain(*fileinput.input()))
print(',\n'.join('{} - {}'.format(c, count[c] + count[c.upper()])
                 for c in string.ascii_lowercase))

最初のステートメントcount = collections.Counter(…)は、すべての実際の作業を行います。

  • fileinput.input()は、入力のすべての行を読み取ります。これらの行は、stdinを介して、またはコマンドライン引数としてパイプされます。
  • *は、一度に1行ずつではなく、一度に1文字を考慮するようにします。
  • count = Counter(…)は、1回のパスで各文字の出現を効率的にカウントし、結果をcount変数に格納します。

2行目は結果を出力するだけです。

  • '{} - {}'.format(c, count[c] + count[c.upper()]) for c in string.ascii_lowercaseは、各文字とそのカウントのリストを作成します。
  • print(',\n'.join(…))は、目的の形式で入力します。1行に1つずつ、コンマで区切られますが、最後の行にはコンマはありません。
0
200_success