如何将包含某个单词的目录中的所有文件显示一定次数？

Question

我目前使用这个命令find -name "*.xml" | xargs grep -c -H -w "word" find -name "*.xml" | xargs grep -c -H -w "word"显示包含特定单词和次数的目录中的所有 XML 文件。 它工作得很好（因为我搜索的单词每行只出现一次，如果不是这种情况，我应该因为 grep 而找到另一个解决方案）：

./file1.xml:2
./file2.xml:3
./file3.xml:6

但对我来说真正有趣的是只显示匹配更多单词的单词。

任何人都知道如何只用得分最高的文件过滤这个 output 吗？

谢谢！

Answer 1

Pipe 到awk将计数与最小值进行比较。

find -name "*.xml" | xargs grep -c -H -w "word" | awk -F: '$NF > 3'

Answer 2

使用 GNU grep ，无需借助find和xargs即可完成：

grep -rHcw --include='*.xml' "word" . | awk -F: '$NF>2'

也可以按出现次数订购 output：

grep -rHcw --include='*.txt' "word" . |
    sed 's/.*:\(.*\)/\1 &/' |
    sort -n |
    sed 's/[^ ]* //'

Answer 3

如果可以的话，可以更清洁地完成所有操作。 awk可以单独处理，更有效。

$: grep -cHw word ?.xml */?.xml # these ae the files we'll scan for a's
a.xml:4
b.xml:2
c.xml:0
foo/d.xml:1

首先，您可以使用shopt -s globstar并将您的文件列表传递为**/*.xml ，但是有一些可能的问题 - 再说一遍，您并不是告诉find只给您files ，要么...

如果您只是想找到点击次数最多的文件，

$: awk '/\<word\>/{hits[FILENAME]++} END{ for (f in hits) { if (hits[f] > max) { max = hits[f]; file=f } } print file":"max }' ?.xml */?.xml
a:4

...但是如果您只想获得最多的点击率，并且不想使用awk -

find -name "*.xml" | xargs grep -cHw "word" | sort -t: -k2,2r | head -1

如果你这样做，你可能应该使用-type f -

find -name "*.xml" -type f | xargs grep -cHw word | sort -t: -k2,2r | head -1

你可以使用

find -name "*.xml" -type f -exec grep -cHw word {} \; | sort -t: -k2,2r | head -1

但在这种情况下，我认为xargs可能会设法产生更少的总进程，尽管除非有很多文件，否则它可能并不重要。

如果您想要的是具有超过某个最小点击数的文件 -

$: awk -v min=3 '/\<word\>/{ if (++cnt >= min) { print FILENAME": "min" or more"; cnt=0; nextfile; } }' ?.xml */?.xml 
a: 3 or more

$: awk -v min=2 '/\<word\>/{ if (++cnt >= min) { print FILENAME": "min" or more"; cnt=0; nextfile; } }' ?.xml */?.xml
a: 2 or more
b: 2 or more

这也使您可以轻松地仅检查特定列，准确控制您想要的 output，如果您愿意，可以在大文件上尽早短路，扫描多个模式并赋予每个不同的行为，进行 BEGIN 设置或 END 汇总处理，等等更多的。 您只需稍微了解awk并根据需要尽可能详细地编写逻辑。

如果-type f并不重要，请尝试shopt -s globstar使用**传递子目录的不确定深度。 对于与查找解决方案更完全相同的 output，请使用./**/*.xml

$: shopt -s globstar
$: awk -v min=2 '/\<word\>/{ if (++cnt >= min) { print FILENAME": "min" or more"; cnt=0; nextfile; } }' ./**/*.xml
./a.xml: 2 or more
./b.xml: 2 or more

$: awk '/\<word\>/{hits[FILENAME]++} END{ for (f in hits) { if (hits[f] > max) { max = hits[f]; file=f } } print file":"max }' ./**/*.xml
./a.xml:4

一个进程，而不是find|xargs|sort|head管道的四个进程。