Linux, shell 使用文字をカウント

Linux, shell 使用文字をカウント

2024-03-23

---

(1).何がしたかったか

• textファイル(文献)で使用されている「字」を
  • どのような種類があるか全て出す
  • 可能ならば、出現回数もカウントする

---

(2).結論

• 意外に簡単にできた。
  • fold はあかんかった。
  • grep でいける
  • uniq でいける

---

(3).環境

• Ubuntu 22.04

---

(4).試すファイル

UTF-8で

あいうえお
柿食えお

---

(5).実験1 fold

$ fold -s1 test.txt

....私が死んだ。
foldはマルチバイト考えていないみたいで、1バイトにブチ切って出してくれた。

$ fold -s1 test.txt | head -3



$ fold -s1 test.txt | head -3 | od -Ax -w16 -t x1z
000000 e3 0a 81 0a 82 0a                                >......<
000006

---

(6).実験2 grep

GNU grep なら UTF-8 あつかえる。

• -E --extended-regexp で正規表現。一文字マッチか？
• -o --only-matching でマッチを表記でいけるか？

$ grep -Eo '.{1}' test.txt
あ
い
う
え
お
柿
食
え
お

一文字ずつ改行してくれた。いけそう。

---

(6).実験3 grep + uniq

uniq -c でカウント。
ってことで：

$ grep -Eo '.{1}' test.txt | sort | uniq -c
      1 あ
      1 い
      1 う
      2 え
      2 お
      1 柿
      1 食

幸せだ。

---

(7).他

uniq の man みると
uniq - report or omit repeated lines
あ、repeated lines が対象なのね。

---

以上