Awk 查找文件中重复次数最多的序列

我有一个带有二进制序列[010101…]的文件，我想得到文件中生成最多的5位序列

我的文件示例：

00010111000100100100100100100101110101010100011001010111011100010

我首先生成所有可能的序列，也就是说，如果我取前7位，我将得到以下序列：

00010 00101 01011

现在我正在寻找一种方法来计算文件中每个序列的出现次数

---

有什么帮助吗？

如果您使用的是perl，您可以这样做：

use strict;
use warnings;

my $str = '00010111000100100100100100100101110101010100011001010111011100010';

# create list of all substrings of length 5
my @sequences = map { substr $str, $_, 5 } 0..length($str) - 5;

# build hash of counts for each substring
my %counts;
++$counts{$_} for @sequences;

# take key corresponding to the maximum value in counts
my ($max) = sort { $counts{$b} <=> $counts{$a} } keys %counts;

print "$max\n";

---

如果您使用的是perl，您可以选择以下方式：

use strict;
use warnings;

my $str = '00010111000100100100100100100101110101010100011001010111011100010';

# create list of all substrings of length 5
my @sequences = map { substr $str, $_, 5 } 0..length($str) - 5;

# build hash of counts for each substring
my %counts;
++$counts{$_} for @sequences;

# take key corresponding to the maximum value in counts
my ($max) = sort { $counts{$b} <=> $counts{$a} } keys %counts;

print "$max\n";

---

使用

awk

和UNIX UTIL：

伯爵

这将为您提供所有5位序列的排序列表。如果您想要最频繁的，请使用：

awk -f count.awk input.file | sort -k2 | tail -n1 | cut -d' ' -f1

---

顺便说一句，您也可以使用单个

awk

脚本，但上述工具的组合为您提供了更大的灵活性

为了完整起见：

count.awk：

{
对于（i=0；i=a[m]| |！m）{
m=i
}
}
打印m
}
与
awk
和UNIX utils一起使用：

伯爵

这将为您提供所有5位序列的排序列表。如果您想要最频繁的，请使用：

awk -f count.awk input.file | sort -k2 | tail -n1 | cut -d' ' -f1


顺便说一句，您也可以使用单个
awk
脚本，但上述工具的组合为您提供了更大的灵活性

为了完整起见：

count.awk：

{
对于（i=0；i=a[m]| |！m）{
m=i
}
}
打印m
}
您是用C、cpp、java来做这件事的吗？或者你想要psuedo代码？考虑到每一种可能性，这看起来确实很低效……我用Perl或ClCl来做。你用Perl或Tcl来做，但标记为awk和grep？当Perl完全能够自己做这一切时，你从Perl调用awk肯定是错误的。你用C、cpp、java来做这件事吗？或者你想要psuedo代码？这看起来确实很低效，考虑到每一种可能性…我用Perl或ClCl做它，你用Perl或Tcl做它，但标记为awk和grep？当Perl完全能够自己做这一切时，你从Perl调用awk肯定是错误的。感谢hek2mgl的帮助，我用了第一个脚本，很好，谢谢hek2mgl的帮助，我用了第一个脚本，很好
awk -f count.awk input.file | sort -k2 | tail -n1 | cut -d' ' -f1

{
    for(i=0;i<=length($0)-5;i++){
        a[substr($0,i,5)]++
    }
}
END {
    for(i in a) {
        if(a[i]>=a[m] || !m) {
            m=i
        }
    }
    print m
}