Awk 单词出现脚本

我正在编写一个脚本，用于统计文本文档中出现的单词

{
        $0 = tolower($0)
        for ( i = 1; i <= NF; i++ )
        freq[$i]++
}
BEGIN { printf "%-20s %-6s\n", "Word", "Count"}
END {
sort = "sort -k 2nr"
for (word in freq)
        printf "%-20s %-6s\n", word, freq[word] | sort
close(sort)
}

{
$0=tolower（$0）
对于（i=1；i您不需要编写自己的循环来扫描字段，只需设置
RS
即可使每个单词成为自己的记录：例如，
RS=[^A-Za-z]
将所有未完全由大小写字母构建的字符串作为记录分隔符

$ echo 'Hello world! I am happy123...' | awk 'BEGIN{RS="[^A-Za-z]+"}$0'
Hello
world
I
am
happy

单个
$0
匹配非空行

也许你想在文字中使用数字。只要根据你的需要调整
RS

剩下什么

转换为小写、计数、打印排序结果

文件
wfreq.awk
：

BEGIN { RS="[^A-Za-z]+" }
$0 { counts[tolower($0)]++ }
END{
        printf "%-20s %6s\n", "Word", "Count"
        sort = "sort -k 2nr"
        for(word in counts)
                printf "%-20s %6s\n",word,counts[word] | sort
        close(sort)
}

BEGIN { RS="[^A-Za-z]+" }
$0 { counts[tolower($0)]++ }
END{
        printf "%-20s %6s\n", "Word", "Count"
        sort = "sort -k 1"
        for(word in counts)
                printf "%-20s %6s\n",word,counts[word] | sort
        close(sort)
}

示例运行（只有前10行输出不发送垃圾邮件的答案）：

但现在有些事情并不是完全不同

要按不同字段排序，只需调整
sort=“sort…”
选项

我不使用
asort（）
，因为不是每个
awk
都有这个扩展名

文件
wfreq2.awk
：

BEGIN { RS="[^A-Za-z]+" }
$0 { counts[tolower($0)]++ }
END{
        printf "%-20s %6s\n", "Word", "Count"
        sort = "sort -k 2nr"
        for(word in counts)
                printf "%-20s %6s\n",word,counts[word] | sort
        close(sort)
}

BEGIN { RS="[^A-Za-z]+" }
$0 { counts[tolower($0)]++ }
END{
        printf "%-20s %6s\n", "Word", "Count"
        sort = "sort -k 1"
        for(word in counts)
                printf "%-20s %6s\n",word,counts[word] | sort
        close(sort)
}

示例运行（只有前10行输出不发送垃圾邮件的答案）：

你能给出一些输入和输出的例子吗？PS
end
和
end.
将作为两个单独的单词列出。你应该删除
？，“
等。这很有帮助，雪人。如果我想按索引号对计数器数组排序，我该怎么做（而不是按计数排序#）.Output将显示索引、字，然后显示计数。我不理解“按索引号对计数器数组排序”“因为计数器数组是由小写单词索引的。那么，通过按索引编号排序，您希望得到什么？按照单词第一次出现的顺序进行排序？我没有很好地解释。如果我想按单词本身（字母顺序）对数组进行排序.Ex.Index-1个单词-a Count 5.标题仅出现在第一行。我可以按索引号和频率对数组排序，但不能按单词本身排序。