Perguntas sobre find e grep

Question

Eu estava fazendo um pequeno script para encontrar e contar todas as "" aparências em vários arquivos e subdiretórios, então eu preciso imprimir o endereço do arquivo e o número de "as" aparências. Mas não sei como terminar.

    find . -name "*.txt" -type f -printf "%p\t" -exec grep -c "the" {}\; 

ex.sh o nome do programa

txt uma extensão de arquivo

a palavra para encontrar as aparências

• A saída correta deve ser:

  ./ex.sh txt the
  
  ./etext00/00ws110.txt 42764
  ./etext00/1cahe10.txt 26692
  ./etext00/1vkip11.txt 21895
  ./etext00/2cahe10.txt 24604
  ./etext00/2yb4m10.txt 15476
  ./etext00/8rbaa10.txt 3131
  

• O que eu recebo:

  ./etext00/00ws110.txt   35388
  ./etext00/1cahe10.txt   17905
  ./etext00/1vkip11.txt   14617
  ./etext00/2cahe10.txt   16971
  ./etext00/2yb4m10.txt   9938
  ./etext00/8rbaa10.txt   1839
  

  Suponho que é o número de linhas que contém a aparência "the", mas em algumas linhas pode haver mais de 1 "the".

Answer 1

Use grep -o the e conte o número de linhas que isso gera:

find . -name "*.txt" -type f -printf "%p\t" \
    -exec sh -c 'grep -o "the" "$0" | wc -l' {} \; 

grep -o retorna cada correspondência em cada linha, em linhas separadas (uma correspondência é retornada por linha de saída).

Você também pode usar -wi com grep para incluir The (insensibilidade a maiúsculas e minúsculas) e excluir correspondências como the em theory (correspondência completa de palavras).

    

Answer 2

Como você já está usando as extensões GNU ( -printf ), com o GNU awk , você pode fazer:

find . -name '*.txt' -size +2c -readable -type f -exec gawk -v RS=the '
   ENDFILE {print FILENAME "\t" (FNR - ($0 != ""))}' {} +

Isso é usar txt como o delimitador de registro e informar o número de registros após o processamento de cada arquivo. Mas não conte o registro extra que pode (e geralmente ocorrerá) após a última ocorrência de txt .