在目录的所有文件中查找表达式的频率答案

【问题标题】：Finding the frequency of an expression in all files of a directory在目录的所有文件中查找表达式的频率
【发布时间】：2012-08-03 07:41:46
【问题描述】：

我正在尝试编写一个 shell 脚本，该脚本将在当前目录中的每个文件中搜索正则表达式，而不使用临时文件。

最初，我使用一个临时文件来存储echo * | sed 's/ /\n/g'，然后循环遍历该文件的每一行，在每一行上使用cat，然后grepping我的表达式并计算输出的行数。我在搜索临时文件时遇到了一些问题，想知道是否可以使用变量或一些非临时文件方法来完成所有工作（我也不想为临时文件创建单独的目录）。

我在使用变量时遇到的问题是，在我将变量的值设置为echo * | sed 's/ /\n/g' 的输出后，我不知道如何遍历每一行，以便从文件中获取表达式计数.

我只希望以下工作（我对表达式进行硬编码）：

% ls
% file1 file2 file3
% ./countMost.sh
% file2(28)
% ls
% file1 file2 file3

表示 file2 具有最多的表达式实例（其中 28 个）。

【问题讨论】：

标签： regex shell unix

【解决方案1】：

你可以试试这样的：

grep -c regex files | sed -e 's/^\(.*\):\(.*\)$/\2 \1/' | sort -r -n | head -n 1

regex 是您的正则表达式（也可以使用 egrep），files 是您的文件列表。

给定 3 个文件：

file1:
qwe
qwe
qwe
asd
zxc

file2:
qwe
asd
zxc

file3:
asd
qwe
qwe
qwe
qwe

然后我跑：

grep -c 'qwe' file[1-3] | sed -e 's/^\(.*\):\(.*\)$/\2 \1/' | sort -r -n

我得到了输出：

4 file3
3 file1
1 file2

此外，在末尾添加 | head -n 1 只会给我：

4 file3

【讨论】：

【解决方案2】：

类似版本的 Job Lin 解决方案使用 sort args 而不是 sed：

grep -c -e "^d" file* | sort -n -k2 -t: -r |head -1

（这里我寻找以“d”开头的行）

【讨论】：

【解决方案3】：

这应该为您提供前十个最常见的小写单词（您将正则表达式更改为任何内容）在名为 test with counts 的目录中的一堆文件中。

grep -rhoE "[a-z]+" test | sort | uniq -c | sort -r | head
      3 test
      2 wow
      2 what
      2 oh
      2 foo
      2 bar
      1 ham

如果要按文件名计数，则删除 grep 上的 h 标志

  grep -roE "[a-z]+" test | sort | uniq -c | sort -r | head
      3 test/2:test
      1 test/2:wow
      1 test/2:what
      1 test/2:oh
      1 test/2:foo
      1 test/2:bar
      1 test/1:wow
      1 test/1:what
      1 test/1:oh
      1 test/1:ham

【讨论】：