在 grep 中搜索字符串模式以查找滑动窗口答案

【问题标题】：Searching a string pattern in grep for a sliding window在 grep 中搜索字符串模式以查找滑动窗口
【发布时间】：2014-09-23 22:49:30
【问题描述】：

我已经编写了使用grep 搜索和计算字符串出现次数的代码。但是，它没有考虑到滑动窗口。

试过了：

grep -E -o "(A|B){2}" datafile | sort | uniq -c

数据文件：

AABBABAABBBA

输出：

2 AA
1 AB
1 BA
2 BB

预期输出：

2 AA
3 BA
3 AB
2 BB

【问题讨论】：

不应该有3 BB吗？
所以输出不需要按任何庄园排序？

标签： bash shell grep

【解决方案1】：

怎么样，

for i in {"AA","AB","BA","BB"}; do echo "AABBABAABBBA" | grep -o $i; done | sort | uniq -c

我觉得不简单。

无论如何...它会返回你想要的输出！

【讨论】：

【解决方案2】：

你可以使用：

awk 'BEGIN {FS=""}{for(i=2; i<=NF; i++) 
            print $(i-1) $i}' datafile | grep -Eo "[AB]{2}" | sort | uniq -c
2 AA
3 AB
3 BA
3 BB

【讨论】：

【解决方案3】：

使用 perl：

$ echo AABBABAABBBA | perl -nE 'say for /(?<=([AB]{2}))/g' | sort | uniq -c
    2 AA
    3 AB
    3 BA
    3 BB

注意：以上解决方案的灵感来自this answer...

【讨论】：

【解决方案4】：

如果使用bash 4.0 或更高版本，您可以使用关联数组来跟踪每个唯一的两个字符集及其计数：

declare -A list
while read -r line; do
    for ((i=0;i<=$((${#line}-2));i++)); do
        ref="${line:$i:2}"
        if [[ ${!list[@]} != *"$ref"* ]]; then
            list["$ref"]=1
        else
            ((list["$ref"]++))
        fi
    done
done < file
for index in "${!list[@]}"; do
    echo "${list[$index]} $index"
done

输出：

3 AB
2 AA
3 BB
3 BA

【讨论】：

【解决方案5】：

为什么您希望输出与您显示的一样？分解：

$ echo AABBABAABBBA | grep -E -o "(A|B){2}"
AA
BB
AB
AA
BB
BA

现在sort:

$ echo AABBABAABBBA | grep -E -o "(A|B){2}" | sort
AA
AA
AB
BA
BB
BB

注意： AB 出现在BA 之前，然后排序。现在找到uniq：

$ echo AABBABAABBBA | grep -E -o "(A|B){2}" | sort | uniq -c
    2 AA
    1 AB
    1 BA
    2 BB

AB 总是在sort 之前BA（除非相反）。如果您反转sort，您将反转整个答案。

要创建你的滑动寡妇，你可以沿着字符串走：

str=AABBABAABBBA; for ((i=0; i<$((${#str}-1)); i++)); do \
printf "%s\n" "${str:$i:2}"; done | sort | uniq -c

输出：

  2 AA
  3 AB
  3 BA
  3 BB

或者按照 jaypal 的建议：

echo "AABBABAABBBA" | awk -v FS= \
'{for(i=1;i<NF;i++)a[$i,$(i+1)]++}END{for(x in a) print a[x],x}'

2 AA
3 AB
3 BA
3 BB

【讨论】：

我相信 OP 希望对字符串中的每两个字符进行递归。所以AABBABAABBBA 应该输出AA, AB, BB, BA ... etc 然后计数`em。
哦...，{2} 表示与前面的表达式完全匹配 2 次以及 -o 不会这样做。它只是抓取2 字符匹配，沿着字符串向下移动，将每个匹配放在单独的行上。鉴于您的意见，我会再看一看。
当然，我一直在考虑echo "AABBABAABBBA" | awk -v FS= '{for(i=1;i<NF;i++)a[$i,$(i+1)]++}END{for(x in a) print a[x],x}'，但我被推迟了我的 OP 在起草一个好问题方面缺乏尝试。 :)
无论你如何分割它，你仍然会想出相同的AA AB BA BB。 ( str=AABBABAABBBA; for ((i=0; i<$((${#str}-1)); i++)); do printf "%s\n" "${str:$i:2}"; done | sort | uniq -c )

【解决方案6】：

Bash 解决方案：

#!/bin/bash
while read str
do
   len=$(echo "${#str}")
   i=0
   #Convert the string in to array
   ar=($(while [[ "$len" -gt "$i" ]];do echo "${str:i:1}";let "i = $i + 1";done))
   k=0
   #iterate through array and print the string for piping it into grep
   for ((j=0;j<${#ar[@]};j++))
   do
      k=$((k = j+1))
      [ "$k" -lt "$len" ] && echo "${ar[j]}${ar[k]}"
   done
done < datafile > datafile1
grep -hoP '\b\w+\b' < datafile1 | sort | uniq -c

【讨论】：

【解决方案7】：

这是一种 perl 方式：

$ echo AABBABAABBBA | 
    perl -F"" -alne 'for($i=0;$i<$#F;$i++){$k{$F[$i].$F[$i+1]}++}
                     print "$_ : $k{$_}" for keys(%k); '
AA : 2
BB : 3
AB : 3
BA : 3

说明

-F 将字段分隔符设置为空字符串，-an 导致每个输入行根据-F 的值拆分到@F 数组中。结果是一个数组，其中每个元素都是输入的单个字母。然后我们创建一个哈希，其键是每组 2 个连续字母 ($F[$i] . $F[$i+1])，然后每次找到两个字母组合时递增相应的值。最后，在for 循环中打印键及其值。

【讨论】：

【解决方案8】：

Bash 解决方案

str="AABBABAABBBA"
for i in `seq 1 ${#str}`; do
   echo $str | cut -c${i}-
done | grep -Eo '^(A|B){2}' | sort | uniq -c

for 循环构建原始字符串的所有较短的尾子字符串

AABBABAABBBA
ABBABAABBBA
BBABAABBBA
BABAABBBA
ABAABBBA
BAABBBA
AABBBA
ABBBA
BBBA
BBA
BA
A

【讨论】：