计算文件中某个模式的出现次数，对于缺失的模式包括零

Question

我正在尝试计算文件 (file.txt) 中某个模式（列在 pattern.txt 中）的出现次数：

grep -o -w -f pattern.txt file.txt | sort | uniq -c > output.txt

效果很好，但我希望输出还包括文件中未出现的模式的 0。

我该如何完成？

Answer 1

让我们面对现实吧，你在做什么？

您正在文件中查找某些模式。如果他们在场，你就展示给他们看。然后你再数一数。

现在你说对于那些不存在的，你希望数字也可见。

作为一个单行者，这恐怕是没有意义的。

因此我选择了另一种工作方式：grep 包含一个用于不存在的模式的开关 (-v)。您可以在这些模式前面添加自己的数字 0 并将它们附加到您的列表中。

作为起点：grep -v -f pattern.txt file.txt（未测试）。

Answer 2

您可以将模式添加到排序中，然后在 uniq 之后减去 1：

grep -o -w -F -f pattern.txt file.txt |\
sort - pattern.txt |\
uniq -c |\
awk '{  = sprintf("%7d", -1) } 1' > output.txt

请注意，这仅在模式是固定字符串时才有意义，因此我在 grep 中添加了 -F 选项。

此外，这个特定的 awk 脚本将压缩模式中的空白。您将需要更复杂的代码来避免这种情况。

Answer 3

假设图案不包含白色 space ...

$ cat pattern.txt
abc
def
ghi

$ cat file.txt
line 1 no match
line 2 one abc match
line 3 two ghi matches abc

OP的当前代码：

$ grep -o -w -f pattern.txt file.txt | sort | uniq -c
      2 abc
      1 ghi

使用 join 和 OP 当前 grep/sort/uniq 的一个想法：

join -1 1 -2 2 -a 1 -e 0 -o 2.1,1.1 pattern.txt <(grep -o -w -f pattern.txt file.txt| sort | uniq -c)

其中：

-1 1 -2 2 - 加入文件 #1 (-1 == pattern.txt) 字段 #1 和文件 #2 (-2 == grep/sort/uniq) 字段 #2
-a 1 - 包括文件 #1 中的所有行，即使没有匹配项
-e 0 - 用字符 0
-o 1.1,2.1 - 输出格式：文件#2.field #1 + 文件#1.field #1

这会生成：

2 abc
0 def
1 ghi

就个人而言，我可能会选择基于 awk 的更强大的解决方案，但对于简单的字符串（没有白色 space）这可能就足够了，ymmv ...

Counting occurrences of a pattern in a file, include zero for missing patterns