文本文件中某个单词的所有重复位置（按字数计算）

Question

我想找到一个词在文本文件中出现的位置——就像一个词出现在文本中的词数——对于那个词的所有实例，但我什至不知道从哪里开始。我想我需要一个循环，以及 grep 和 wc 的某种组合。

例如，这是一篇关于 iPhone 11 的文章：

周二，该公司表示，其入门级手机 iPhone 11 的起售价为 700 美元，而去年同类机型的起价为 750 美元，这表明苹果正在关注那些不会竞相购买更昂贵手机的消费者。年。

苹果将​​其更高级机型 iPhone 11 Pro 和 iPhone 11 Pro Max 的起售价维持在 1,000 美元和 1,100 美元。该公司在其硅谷园区举行的 90 分钟新闻发布会上推出了新手机。

课文共81个字。

jaireaux@macbook:~$ wc -w temp.txt 
      81 temp.txt

“iPhone”这个词出现了 3 次。

jaireaux@macbook:~$ grep -o -i iphone temp.txt | wc -w
       3

我想要的输出是这样的：

jaireaux@macbook:~$ whereword iPhone temp.txt 
      24
      54
      57

我该怎么做才能得到那个输出？

Answer 1

这是使用 GNU 工具的一种方法：

$ tr ' ' '\n' < file | tr -d '[:punct:]' | grep . | grep -nFx iPhone
25:iPhone
54:iPhone
58:iPhone

第一个tr用换行符替换所有空格，然后第二个删除所有标点符号（以便iPhone,可以作为单词找到）。在grep .我们跳过任何空行（我们不希望这些计数）和确保grep -n追加的行号到输出。然后，-F告诉grep不要将其输入视为正则表达式，并且-x它应该只找到跨越整行的匹配项（因此job不会算作 的匹配项jobs）。请注意，您在问题中给出的数字相差 1。

如果你只想要数字，你可以添加另一个步骤：

$ tr ' ' '\n' < file | tr -d '[:punct:]' | grep . | grep -nFx iPhone | cut -d: -f1
25
54
58

正如评论中指出的那样，这仍然会遇到诸如aren'tor 之类的“单词”问题double-barreled。您可以使用以下方法进行改进：

tr '[[:space:][:punct:]]' '\n' < file | grep . | grep -nFx iPhone