Bash脚本将文件列表存储在数组中，其中每个单词在所有文件中的出现次数

Question

到目前为止，我的 bash 脚本有两个参数……输入可以是文件或目录，输出可以是输出文件。它递归地查找所有文件，如果输入是一个文件，它会在找到的所有文件中查找每个单词的所有出现，并在输出文件中列出它们，左侧的数字和右侧的单词从大到小排序。现在它也将数字计算为它不应该做的单词......我怎么能让它只找到所有出现的有效单词而没有数字？此外，在最后一个 if 语句中......如果输入是一个目录，我很难让它做我让它为文件做的同样的事情。它需要查找该目录中的所有文件，如果该目录中有另一个目录，则需要查找其中的所有文件，依此类推。然后它需要计算所有文件中每个单词的所有出现次数，并将它们存储到输出文件中，就像文件的情况一样。我正在考虑将它们存储在一个数组中，但我不确定它是否是最好的方法，而且我的语法是关闭的，因为它不起作用......所以我想知道我该怎么做？谢谢！

    #!/bin/bash

    INPUT="$1"
    OUTPUT="$2"
    ARRAY=();

    # Check that there are two arguments
    if [ "$#" -ne 2 ]
    then
       echo "Usage: $0 {dir-name}";
       exit 1
    fi

    # Check that INPUT is different from OUTPUT
    if [ "$INPUT" = "$OUTPUT" ]
    then
       echo "$INPUT must be different from $OUTPUT";
    fi

    # Check if INPUT is a file...if so, find number of occurrences of each word
    # and store in OUTPUT file sorted in greatest to least
    if [ -f "$INPUT" ]
    then
       for name in $INPUT; do
          if [ -f "$name" ]
          then
             xargs grep -hoP '\b\w+\b' < "$name" | sort | uniq -c | sort -n -r > "$OUTPUT"
          fi
       done
    # If INPUT is a directory, find number of occurrences of each word
    # and store in OUTPUT file sorted in greatest to least
    elif [ -d "$INPUT" ]
    then
       find $name -type f > "${ARRAY[@]}"
       for name in "${ARRAY[@]}"; do
          if [ -f "$name" ]
          then
             xargs grep -hoP '\b\w+\b' < "$name" | sort | uniq -c | sort -n -r > "$OUTPUT"
          fi
       done
    fi

Answer 1

我不建议您指定输出文件，因为您必须对其进行更多的有效性检查，例如

• 输出不应存在（如果您不想允许覆盖）
• 如果你想允许覆盖，如果输出存在，​​它必须是一个普通文件
• 等等..
• 最好有可能使用更多的输入目录/文件作为参数

因此更好（它更 bash-ish）产生输出到标准输出，您可以在调用时将其重定向到文件，例如

bash wordcounter.sh files or directories more the one to count words > to_some_file

例如

bash worcounter.sh some_dir >result.txt
#or
bash wordcounter.sh file1.txt file2.txt .... fileN.txt > result2.txt
#or
bash wordcounter.sh dir1 file1 dir2 file2 >result2.txt

整个wordcounter.sh 可能是下一个：

for arg
do
    find "$arg" -type f -print0
done |xargs -0 grep -hoP '\b[[:alpha:]]+\b' |sort |uniq -c |sort -nr

地点：

• find 将在普通文件中搜索所有参数
• 并在生成的文件列表上运行计数脚本

脚本窗台有一些缺点，例如也会尝试计算图像文件中的单词并喜欢，也许在下一个问题in this serie你会问它;）

编辑

如果你真的想要两个参数脚本，例如script where_to_search output（不太像 bash），将上面的脚本放入函数中，然后做任何你想做的事情，例如：

#!/bin/bash

wordcounter() {
    for arg
    do
        find "$arg" -type f -print0
    done |xargs -0 grep -hoP '\b[[:alpha:]]+\b' |sort |uniq -c |sort -nr
}

where="$1"
output="$2"
#do here the necessary checks
#...
#and run the function
wordcounter "$where" > "$output"
#end of script