Perl-计算文件每一行中特定单词的出现

Question

做了很多搜索，没有我想要的。 Perl菜鸟在这里。

我有一个已经整齐地组织成数据行的文本文件。 假设我感兴趣的两个字符串是“ hello”和“再见”。 我想编写一个快速的Perl脚本，它将查看第一行并计算“ hello”和“再见”发生了多少次。 然后它将转到下一行并进行计数，并添加到较早的计数中。 因此，在脚本末尾，我可以打印文件中每个字符串的计数总数。 逐行方法很重要的原因是因为我想使用多个计数，所以我可以打印两个单词在同一行中的次数，一行中仅包含一个单词而不是单词的次数。另外，一行包含一次“ hello”但多次包含“ byeby”等的次数。实际上，这是关于在一行中找到每个条件的次数，而不是单词在整个文档中出现的次数。

到目前为止，我在想：

#!/usr/bin/perl
use strict; use warnings;

die etc (saving time by not including it here)

my $word_a = "hello";
my $word_b = "goodbye";
my $single_both = 0; # Number of lines where both words appear only once.
my $unique_hello = 0; # Number of lines where only hello appears, goodbye doesn't.
my $unique_goodbye = 0; # Number of lines where goodbye appears, hello doesn't.
my $one_hello_multiple_goodbye = 0; # Number of lines where hello appears once and goodbye appears multiple times.
my $one_goodbye_multiple_hello = 0; # Number of lines where goodbye appears once and hello appears multiple times.
my $multiple_both = 0; = # Number of lines where goodbye and hello appear multiple times.

while (my $line = <>) {

Magic happens here

};

# then the results for each of those variables can be printed at the end.

正如我所说，我是菜鸟。 我对如何计算每一行中的出现次数感到困惑。 即使我知道我确定自己也会确定上面列出的所有不同条件。 我应该使用数组吗？ 散列？ 还是考虑到我想要的东西，我完全朝错误的方向走了。 我需要计算在这些变量之后具有作为注释列出的不同条件的行数。 任何帮助都将不胜感激！

Answer 1

您可以通过正则表达式计算某个单词的出现次数，例如$hello = () = $line =~ /hello/g; 计算$line hello发生情况。 如何工作？

perl -n -E '$hello = () = /hello/g; $goodbye = () = /goodbye/g; say "line $.: hello - $hello, goodbye - $goodbye"; $hello_total += $hello; $goodbye_total += $goodbye;}{say "total: hello - $hello_total, goodbye - $goodbye_total";' input.txt

某些文件的输出：

line 1: hello - 0, goodbye - 0
line 2: hello - 1, goodbye - 0
line 3: hello - 1, goodbye - 1
line 4: hello - 3, goodbye - 0
line 5: hello - 0, goodbye - 0
line 6: hello - 1, goodbye - 1
line 7: hello - 0, goodbye - 0
total: hello - 6, goodbye - 2

Answer 2

Perl有一个绑定运算符=~ ，用于测试字符串是否与模式匹配。 您可以将其与两个if语句结合使用，以从所有行中提取计数：

# only gathers counts
while (my $line = <STDIN>) {
   $hello_cnt++  if $line =~ /hello/;
   $goobye_cnt++ if $line =~ /goodbye/;
}

但是似乎您想逐行推理输入，并且可以维护所有这些变量： $unique_hello ， $unique_goodbye等...但是这对我来说似乎是很多额外的工作，您可以做什么对所有计数进行哈希处理：

my %seen;
while (my $line = <STDIN>) {
   chomp $line;                   # remove trailing \n

   map {
      $seen{lc $_}++;
   } split /\s+/, $line;          # split on whitespace
}

现在，您具有以下结构的哈希值：

{ 
  word1 => cnt1,
  word2 => cnt2,
  etc ...
}

现在，您可以打印总计：

print "Hello seen " . $seen{hello} . " times";
# etc ...

我为您做了逐行分析，希望这是一个很好的起点。