请问如何知道中文一个文档中一个词出现的次数？

yongjian

nait你有试过吗？在我这可是不行阿。。。

nait

最初由 yongjian 发表
nait你有试过吗？在我这可是不行阿。。。

o,sorry
我打错了，sed应用双引号，看我的输出

1. [leo@leo:/home/leo/test] $ cat test
   
2. abc bbb ddd abcabc abcabcabc
   
3. abc ccc ddd www abc
   
4. abcabc
   
5. [leo@leo:/home/leo/test] $ sed "s/\<abc\>/&\n/g" test
   
6. abc
   
7. bbb ddd abcabc abcabcabc
   
8. abc
   
9. ccc ddd www abc
   
10. 
    
11. abcabc
    
12. [leo@leo:/home/leo/test] $ sed "s/\<abc\>/&\n/g" test|grep '\<abc\>'|wc -l
    
13. 3
    

复制代码

怎么样，这样就达到目的了吧:p :p :p

yongjian

嘿嘿,虽然答案正确,但其实没有真正的match到所有的"abc"词. 你没发现倒数第二行最后还有一个"abc"没有匹配到吗? 之所以答案正确只是因为grep是对行搜索,而不对词. 不准确的pattern matching是不可取的, 因为也许对这个例子是对的, 对其他的就不行了...

nait

最初由 yongjian 发表
嘿嘿,虽然答案正确,但其实没有真正的match到所有的"abc"词. 你没发现倒数第二行最后还有一个"abc"没有匹配到吗? 之所以答案正确只是因为grep是对行搜索,而不对词. 不准确的pattern matching是不可取的, 因为也许对这个例子是对的, 对其他的就不行了...

能否说明白点？我觉得都匹配了阿

1. [leo@leo:/home/leo/test] $ cat test
   
2. abc bbb ddd abcabc abcabcabc
   
3. abc ccc ddd www abc
   
4. abcabc
   
5. [leo@leo:/home/leo/test] $ sed "s/\<abc\>/&\n/g" test
   
6. [color=crimson]abc[/color]
   
7. bbb ddd abcabc abcabcabc
   
8. [color=crimson]abc[/color]
   
9. ccc ddd www [color=crimson]abc[/color]
   
10. 
    
11. abcabc
    
12. [leo@leo:/home/leo/test] $ sed "s/\<abc\>/&\n/g" test|grep '\<abc\>'|wc -l
    
13. 3

复制代码

yongjian

从你的sed命令中看出，你将“abc"词做了整词搜索后将其append一个"\n",这样就只有”abc"会单分一行。 但是倒数第二行的那个“abc"就分不出来了。又因为grep是对行而不是对词，所以当用grep "\<abc\>"搜索时结果是一样的。结果是一样的没错，我是想如果象这样：

1. 
   
2. sed "s/\<abc\>/\n&\n/g" test | grep '\<abc\>'|wc -l
   

复制代码

是不是更准确些。同时也能真正的分辨出这个词。

yongjian

回到正题。。。兄弟们请试试如何对付中文吧。

nait

我还是觉得前面加不加\n都无伤大雅
突然想到grep还有个-w开关
sed "s/\<abc\>/\n&\n/g" test | grep -w abc|wc -l

nait

最初由 yongjian 发表
回到正题。。。兄弟们请试试如何对付中文吧。

我试了一下，sed和grep对中文的支持不错啊
可以直接用的
至少我这边是可以的

yongjian

-----------------------------------
中国    中国中国 中国
中国中 国中国 中国
-----------------------------------

1. 
   
2. cat chinese.txt|sed 's/\<中国\>/\n&\n/g'|sed -n '/\<中国\>/p'|wc -l
   

复制代码

sed行, grep就是搞不出来.

nait

1. [leo@leo:/home/leo/test] $ cat chinese.txt
   
2. 中国 中国中国 中国
   
3. 中国中 国中国 中国
   
4. [leo@leo:/home/leo/test] $ cat chinese.txt|sed  's/\<中国\>/\n&\n/g'                       
   
5. 中国
   
6. 中国中国
   
7. 中国
   
8. 
   
9. 中国中 国中国
   
10. 中国
    
11. 
    
12. [leo@leo:/home/leo/test] $ cat chinese.txt|sed 's/\<中国\>/\n&\n/g'|sed -n '/\<中国\>/p'|wc -l
    
13. 3
    

复制代码

没问题啊