我试图使用 wc 仅获取文件中的单词数。wc -w file.txt给我加上文件名。我不想要文件名。所以，我看到这wc -w < file.txt有效。
我不明白这个命令是如何工作的。我什至无法在看到此命令的答案下方添加评论。
为什么在 的情况下不打印文件名wc -w < file.txt？
\n\n\ncat doc.txt将显示以下字符：
\n
\xe4\xbd\xa0\xe5\xa5\xbd Hello!\n\xe8\xbf\x99\xe6\x98\xaf\xe4\xb8\xad\xe6\x96\x87\xe3\x80\x82This is a Chinese doc.\n我可以使用命令
\n\n\n\n\nwc -w doc.txt
\n
但它会显示：
\n\n8 doc.txt\n该命令将字符\xe4\xbd\xa0\xe5\xa5\xbd和\xe8\xbf\x99\xe6\x98\xaf\xe4\xb8\xad\xe6\x96\x87都作为一个单词，而实际上\xe4\xbd\xa0\xe5\xa5\xbd是两个中文单词，\xe8\xbf\x99\xe6\x98\xaf\xe4\xb8\xad\xe6\x96\x87 是四个中文单词。
\n\n我想要的是正确计算这些中文单词（示例中有12个单词），有人可以帮忙吗？
\n我正在尝试执行以下命令 - 但输出中引入了一些前导空格。
ls -lrt | wc -l
29
echo $SHELL
/bin/bash
当我在另一台机器上运行相同的命令时，输出符合预期。
ls -lrt | wc -l
183
echo $SHELL
/bin/bash
前导空格导致我的 perl 验证失败
unless ( $phCountRet->{COUNT} =~ /^\d+$/ ){
...
}
我可以选择修剪前导空格然后进行验证，但这不会是一个干净的解决方案。
任何关于可能导致这种情况的指针都会有很大帮助。
可以说我有一个很长的词N。
word0=`echo` # N = 0
word1=`echo A` # N = 1
word2=`echo AB` # N = 2
word5=`echo ABCDE` # N = 5
word4=`echo "ABCD"` # N = 4
我用来wc获取 的长度wordN，例如：
echo $word0 | wc
1
echo $word1 | wc
2
echo $word4 | wc
5
wc字长加1，结果是N+1
即使有wc -c或wc -m我得到N+1
问题：应该wc这样工作吗？如果是这样，为什么要加+1？
我必须处理120个~2 GB(525600行×302列)文件的集合.目标是制作一些统计数据并将结果放在干净的SQLite数据库中.
当我的脚本使用read.table()导入时,一切正常,但速度很慢.所以我尝试使用fread,来自data.table包(版本1.9.2),但它给了我这个错误:
Error in fread(txt, header = T, select = c("YYY", "MM", "DD", :
Not positioned correctly after testing format of header row. ch=' '
我的数据的前2行和7行看起来像这样:
YYYY MM DD HH mm 19490 40790
1991 10 1 1 0 1.046465E+00 1.568405E+00
因此,开头有第一个空格,日期列之间只有一个空格,其他列之间有任意数量的空格.
我试过用这样的命令来转换逗号中的空格:
DT <- fread(
paste("sed 's/\\s\\+/,/g'", txt),
header=T,
select=c('HHHH','MM','DD','HH')
)
没有成功:问题仍然存在,使用sed命令似乎很慢.
Fread似乎不喜欢"任意数量的空间"作为分隔符或开头的空列.任何的想法 ？
这是(可能)最小的可重复示例(40790之后的换行符):
txt<-print(" YYYY MM DD HH mm 19490 40790
1991 10 1 1 0 1.046465E+00 1.568405E+00")
testDT<-fread(txt,
header=T,
select=c("YYY","MM","DD","HH")
)
谢谢你的帮助 !
更新: - …
标题说明了一切.我已经设法得到了这条线:
lines=$(wc file.txt | awk {'print $1'});
但我可以使用辅助将其附加到文件名.奖励点用于向我展示如何在当前目录中的所有.txt文件上循环它.
当我尝试perlfaq5的最后一个例子时 :我怎么算一个文件中的行号？我收到一条错误消息.我该怎么做才能使脚本正常工作？
#!/usr/local/bin/perl -T
use warnings;
use 5.012;
$ENV{PATH} = undef;
my $filename = 'perl2.pl';
if( $filename =~ /^([0-9a-z_.]+)\z/ ) {
my $lines = `/usr/bin/wc -l $1`;
print $lines;
}
输出:
Insecure $ENV{ENV} while running with -T switch at ./perl1.pl line 10.
我想运行一个find命令,然后计算输出的行,并给出结果的输出.我的直截了当的做法是这样的:
output=$(find ...)
lines=$(echo "$output" | wc -l)
echo "$output"
但遗憾的是,使用它echo来管道wc添加一个换行符,所以即使find没有找到任何东西(零行输出),也wc就是放弃1(对于echo附加的换行符).
我改变了echo一个printf防止追加新行到输出,但随后也的一个行输出find就像var/是没有一个换行符,因此wc给出了0.
问题在于捕获输出($(...)).它会删除在我的情况下相关的尾随换行符.
这可以以某种方式防止吗？
我的原始任务是否有完全不同的方法？
在UNIX中,我可以执行以下操作:
grep -o 'string' myFile.txt | wc -l
它将计算包含字符串的myFile.txt中的行数.或者我可以使用:
grep -o 'string' *.txt | wc -l
这将计算包含该字符串的文件夹中所有.txt扩展名文件中的行数.我正在寻找一种方法来对文件夹中的所有文件进行计数,但是要查看每个文件的输出分隔,例如:
myFile.txt 10000
myFile2.txt 20000
myFile3.txt 30000
我希望我已经清楚了,如果没有,你可以在输出中看到一个有点接近的例子:
wc -l *.txt
我想知道为什么对于此处( train_en.txt) 和此处( )给出的文件，使用 bash 进行的简单行计数给出的行数与使用 python（版本 3.6）计算的行数不同train_de.txt。在 bash 中，我使用以下命令：
wc -l train_en.txt
wc -l train_de.txt
输出分别为 4520620 和 4520620。
在 python 中，我使用以下命令：
print(sum(1 for line in open('train_en.txt')))
print(sum(1 for line in open('train_de.txt')))
输出分别为 4521327 和 4521186。
当我使用 python 命令时
len(open('train_en.txt').read().splitlines())
len(open('train_de.txt').read().splitlines())
我分别得到 4521334 和 4521186（其train_en.txt结果与之前的 python 命令的结果不匹配）。
作为参考，这些是通过连接WMT '14 英语到德语翻译任务中的Common Crawl、Europarl和News Commentary数据集（按顺序）生成的并行文本语料库，并且应具有相同的行数。