Como ordenar um arquivo com linhas de string pelo número de um símbolo específico na linha?

Question

Digamos que eu tenha um arquivo grande de texto simples com uma string em todas as linhas. A cadeia consiste apenas em caracteres alfabéticos, exceto os sublinhados _ , que dividem as cadeias em sílabas.

Eu quero classificar o arquivo de texto pelo valor sublinhado na string. Pontos de bônus para colocar cada grupo de sublinhados X em seu próprio arquivo.

Exemplo:

hel_lo
hi
su_per_u_ser
o_ver_flow

classificaria em:

hi
hel_lo
o_ver_flow
su_per_u_ser

Eu tentei fazer isso com o regex, mas ainda não encontrei uma maneira adequada de contar os sublinhados (regex me confunde completamente).

Alguém sabe como eu posso lidar com isso?

    

Answer 1

O Python torna isso fácil ...

open('out.txt', 'w').write('\n'.join(sorted(open('in.txt'), key=lambda x: x.count('_'))))

    

Answer 2

Código simples em awk :

#!/usr/bin/awk -f

BEGIN   { FS = "_" }        # field separator = syllable separator
        {                   # for each input line
            if(NF > 0)      # if number of syllables > 0
                print $0 > "syllable-"NF".txt"  # print the line to a file
        }

Coloque o script em um arquivo e, em seguida, chmod a+x do arquivo. A entrada pode vir de stdin ou de um arquivo especificado como parâmetro para o script.

A saída será classificada em arquivos denominados syllable-x.txt , em que x é o número de sílabas.

    

Answer 3

Ainda mais simples: um one-liner bash:

 cat testfile | while read line; do echo $line >> srt$(echo $line | fgrep -o _ | wc -l).txt ; done 

A saída aparecerá nos arquivos chamados srtN.txt, onde N é o número de ocorrências do caractere de sublinhado na linha.