Como contar o número de ocorrências parciais de uma string em um arquivo

Question

Eu tenho um arquivo do qual preciso contar todas as correspondências parciais de uma string de entrada em um arquivo.
Vou mostrar um exemplo fácil do que preciso:

Em um arquivo com este conteúdo:

Good-Black-Cat
Bad-Red-Cat
Bad-Gray-Dog
Good-Golden-Dog
Bad-White-Dog
Good-Tabby-Cat
Bad-Siamese-Cat

Eu preciso contar quantas vezes a string parcial "Good - * - Cat" (onde * poderia ser qualquer coisa, não importa) aparece. A contagem de saída esperada é 2.

Qualquer ajuda será apreciada.

    

Answer 1

Dado

$ cat file
Good-Black-Cat
Bad-Red-Cat
Bad-Gray-Dog
Good-Golden-Dog
Bad-White-Dog
Good-Tabby-Cat
Bad-Siamese-Cat

então

$ grep -c 'Good-.*-Cat' file
2

Observe que essa é uma contagem de linhas correspondentes - por exemplo, não funcionará para várias ocorrências por linha ou para ocorrências que abranjam linhas.

Como alternativa, com awk

awk '/Good-.*-Cat/ {n++} END {print n}' file

Se você precisar corresponder várias ocorrências possíveis por linha, sugiro perl :

perl -lne '$c += () = /Good-.*?-Cat/g }{ print $c' file

em que /Good-.*?-Cat/g corresponde a várias vezes ( g ) e não-avidamente * ( .*? ) e a atribuição () = força as correspondências a serem avaliadas em um contexto escalar para que pode adicioná-los à contagem.

Como alternativa, você pode usar grep no modo de expressão regular perl-comparavel (PCRE), para habilitar o modificador não-ganancioso, com -o para exibir apenas as partes correspondentes e depois contar com wc :

grep -Po 'Good-.*?-Cat' file | wc -l

Se você também precisa coincidir com ocorrências que podem se estender por um limite de linha, você pode fazer isso em perl desmarcando o separador de registro (nota: isso significa que todo o arquivo foi sugado para a memória) e adicionando o s regex modifier eg

perl -0777 -nE '$c += () = /Good-.*?-Cat/gs }{ say $c' file

    

Answer 2

awk, várias ocorrências, separadas por espaço

$ awk '{for(i=1;i<=NF;i++ ) count+=match($i,/Good-.*-Cat/)};END{print count}' input.txt
4
$ cat input.txt
Good-Black-Cat
Bad-Red-Cat
Bad-Gray-Dog
Good-Golden-Dog Good-Whatever-Cat Good-Something-Cat
Bad-White-Dog
Good-Tabby-Cat
Bad-Siamese-Cat

sed + wc, ocorrências não múltiplas

Isso usa correspondência de padrão negativo //! com d para exclusão, deixando apenas linhas de interesse.

$ sed '/Good-.*-Cat/!d' input.txt
Good-Black-Cat
Good-Golden-Dog Good-Whatever-Cat
Good-Tabby-Cat
$ sed '/Good-.*-Cat/!d' input.txt | wc -l
3

Solução da Shell, ocorrências não múltiplas

Aqui está uma maneira de shell que combina case...esac e loop de leitura de arquivo:

$ n=0; while IFS= read -r line || [ -n "$line" ]; do case "$line" in "Good-"*"-Cat") n=$((n+1));; esac; done < input.txt; echo "$n"
2

Ou com indentação

n=0
while IFS= read -r line || [ -n "$line" ]; do 
    case "$line" in 
        "Good-"*"-Cat") n=$((n+1));; 
    esac
done < input.txt
echo "$n"

Explicação:

• n=0 initializes n variável do contador
• while IFS= read -r line || [ -n "$line" ]; do...done < input.txt é o loop de leitura de arquivo padrão usado no shell script, com || [ -n "$line" ] protection para considerar possíveis arquivos que não terminam em nova linha
• case "$line" in "Good-"*"-Cat") n=$((n+1));; esac correspondência de padrões para a cadeia desejada com $((...)) de expansão aritmética para incrementar a variável do contador.

Answer 3

Versão sed / grep não extravagante

sed 's/\(Good-[^ ]*-Cat\)/XXXX\n/g' input.txt | grep -c XXXX

Enquanto XXXX pode ser qualquer padrão que não aparece em seu arquivo. Essa abordagem substitui todas as correspondências com o padrão XXXX e uma nova linha, para que seja facilmente contável por uma expressão grep básica.

A propósito, se você pegar "Onde * poderia ser qualquer coisa" literalmente, pelo menos no meu entendimento, a saída de qualquer programa seria sempre 0 ou 1, então estou assumindo que ele não deveria conter um espaço .