Como obter o número de cada sinal de pontuação de um arquivo

Question

grep '[".?!"]'

Retorna as linhas que possuem um desses, mas não tenho idéia de quantos estão em cada linha, quanto mais quantos,? e! existem.

    

Answer 1

Isso imprimirá uma lista de todos os caracteres de pontuação encontrados no arquivo, um caractere de pontuação por linha, cada um procedendo da contagem desses caracteres no arquivo:

grep -o '[[:punct:]]' file | sort | uniq -c 

Eu gosto de testar executando / var / log / syslog, o meu tem mais de 150.000 linhas agora.

    

Answer 2

Para encontrar o número total desses sinais de pontuação em um arquivo, você pode usar tr para remover todos os outros e, em seguida, wc para contar:

tr -dc '.?!' | wc -c

    

Answer 3

Veja um script do awk que procura por linhas contendo . , ? ou ! . Imprime o número da linha de cada linha que contém qualquer um desses sinais de pontuação, o número encontrado de cada marca e o número total de marcas nessa linha. No final dos dados, imprime totais gerais.

Você pode passar vários nomes de arquivos na linha de comando e se comportará como se você tivesse cat todos os arquivos juntos, mas é bastante fácil modificar esse script para processar cada arquivo individualmente.

#!/usr/bin/awk -f

# Count punctuation marks
# See http://unix.stackexchange.com/q/239894/88378
# Written by PM 2Ring 2015.10.131

BEGIN{
    FS = ""
    punc = ".?!"
    fmt = "%5s: .=%s, ?=%s, !=%s, all=%s\n"
}

/[.?!]+/{
    #print NR, $0, NF
    count[1] = count[2] = count[3] = 0
    for(i=1; i<=NF; i++)
    {
        n = index(punc, $i)
        if(n)
            count[n] += 1
    }
    all = count[1] + count[2] + count[3]
    printf fmt, NR, count[1], count[2], count[3], all
    for(i=1; i<=3; i++)
        total[i] += count[i]
}

END{
    all = total[1] + total[2] + total[3]
    printf fmt, "Total", total[1], total[2], total[3], all
}

Veja alguns dados aleatórios que usei para testar este script:

Some test data
.a.?? .u o..ru. !!?aarl.?...t  s
e.?a.eli?.?s.. ?.r. s.t .e.a.le!
ti h  ..rs.  ?er.t. dn!t?.?.l.?t
?.n!rer e. d..!???? a .!..a.tit.
No punctuation
!.a.n..!isda!.o a!le.d..a.!sh.t?
?!?. ..!i  hi...h iii.?..a i hh?
.h r.u?....t..s !.. a  .li?hs !.
ia tso???.tr?t .hl..i.aids l.?.?
Bye-bye.

E aqui está a saída que foi gerada:

    2: .=10, ?=4, !=2, all=16
    3: .=11, ?=4, !=1, all=16
    4: .=8, ?=4, !=1, all=13
    5: .=9, ?=5, !=3, all=17
    7: .=10, ?=1, !=5, all=16
    8: .=9, ?=4, !=2, all=15
    9: .=12, ?=2, !=2, all=16
   10: .=7, ?=6, !=0, all=13
   11: .=1, ?=0, !=0, all=1
Total: .=77, ?=30, !=16, all=123

Testado no GNU Awk 3.1.7

    

Answer 4

sed -e'1{x;s/^/0ddsQsEsD[q]sq/p;x;}' \
    -e'/[^?!.]*\([?!.]\)[^?!.]*/!d;=' \
    -e's// l+s /g;s/.*/pc0dds?s!s.&Q?E!D./' \
    -e's/\([QED]\)\(.\)/[l>q9P[=]Plpl+9P[Total: ]Pps]x/g' |dc

Para qualquer linha que contenha [?!.] , o comando imprimirá primeiro seu número de linha, a contagem dos caracteres nessa linha e, em seguida, uma contagem de execução para cada.

printf %s\n \? \?\!. '' hey \? '' '' \! ...hey... .\!\? |
sed -e'1{x;s/^/0ddsQsEsD[q]sq/p;x;}' \
    -e'/[^?!.]*\([?!.]\)[^?!.]*/!d;=' \
    -e's// l+s /g;s/.*/pc0dds?s!s.&Q?E!D./' \
    -e's/\([QED]\)\(.\)/[l>q9P[=]Plpl+9P[Total: ]Pps]x/g' |dc

1
    ?=1
    Total: 1
2
    ?=1
    Total: 2
    !=1
    Total: 1
    .=1
    Total: 1
5
    ?=1
    Total: 3
8
    !=1
    Total: 2
9
    .=6
    Total: 7
10
    ?=1
    Total: 4
    !=1
    Total: 3
    .=1
    Total: 8