Perl-計算文件每一行中特定單詞的出現

Question

做了很多搜索，沒有我想要的。 Perl菜鳥在這里。

我有一個已經整齊地組織成數據行的文本文件。 假設我感興趣的兩個字符串是“ hello”和“再見”。 我想編寫一個快速的Perl腳本，它將查看第一行並計算“ hello”和“再見”發生了多少次。 然后它將轉到下一行並進行計數，並添加到較早的計數中。 因此，在腳本末尾，我可以打印文件中每個字符串的計數總數。 逐行方法很重要的原因是因為我想使用多個計數，所以我可以打印兩個單詞在同一行中的次數，一行中僅包含一個單詞而不是單詞的次數。另外，一行包含一次“ hello”但多次包含“ byeby”等的次數。實際上，這是關於在一行中找到每個條件的次數，而不是單詞在整個文檔中出現的次數。

到目前為止，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.

正如我所說，我是菜鳥。 我對如何計算每一行中的出現次數感到困惑。 即使我知道我確定自己也會確定上面列出的所有不同條件。 我應該使用數組嗎？ 散列？ 還是考慮到我想要的東西，我完全朝錯誤的方向走了。 我需要計算在這些變量之后具有作為注釋列出的不同條件的行數。 任何幫助都將不勝感激！

Answer 1

您可以通過正則表達式計算某個單詞的出現次數，例如$hello = () = $line =~ /hello/g; 計算$line hello發生情況。 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

某些文件的輸出：

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有一個綁定運算符=~ ，用於測試字符串是否與模式匹配。 您可以將其與兩個if語句結合使用，以從所有行中提取計數：

# 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輸入，並且可以維護所有這些變量： $unique_hello ， $unique_goodbye等...但是這對我來說似乎是很多額外的工作，您可以做什么對所有計數進行哈希處理：

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

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

現在，您具有以下結構的哈希值：

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

現在，您可以打印總計：

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

我為您做了逐行分析，希望這是一個很好的起點。