Compter le nombre d'occurrences d'un mot dans un fichier texte

[kandro]

Bonjour,
j'aimerai compter le nombre d’occurrences de chaque mots dans un fichier texte, par exemple le suivant :

Code :

1
2
3
4
5
Kandro@linux:~$ cat truc
de monde depuis
de
monde
depuis

Lorsque j'exécute le script :

Code :

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
#!/bin/bash
 
for mot in $(cat truc)                    
do                                            
	grep -o "$mot" truc > compteur   
 
	set `wc -l compteur `
 
	if [ $1 -gt 0 ]
	then 
		echo "$mot : $1">>mots
		sed 's/'$mot'/ /g' truc > txttemp
		cat txttemp>truc
	fi
done

j'obtiens

Code :

1
2
3
4
5
6
7
Kandro@linux:~$ cat mots
de : 6
Kandro@linux:~$ cat truc
  mon   puis
 
mon 
 puis

J'ai essayé de palier à ce problème en faisant :

Code :

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
for mot in $(cat truc)                    
do                                            
	grep -o "$mot" truc > compteur   
 
	set `wc -l compteur `
 
	if [ $1 -gt 0 ]
	then 
		echo "$mot : $1">>mots
		sed 's/[[:space:]]'$mot'[[:space]]/ /g' truc > txttemp
		sed 's/^'$mot'[[:space]]/ /g' txttemp>truc
		sed 's/[[:space:]]'$mot'$/ /g' truc > txttemp
		sed 's/^'$mot'$/ /g' txttemp>truc
	fi
done

Mais là le terminal me dit qu'il y a une erreur de syntaxe dans sed, et je n'arrive pas à la retrouver.

[N_BaH]

Bonjour,

à partir de BASH 4, comme en awk, tu peux utiliser un tableau associatif, qui prendra en index chaque mot du fichier, et qui sera incrémenté à chaque occurrence.

Et, mes amis notez-le bien, j'accepte, ici, exceptionnellement, j'insiste, qu'on fasse for mot in $(cat fichier), parce qu'on veut itérer sur chaque mot de la sortie de la commande.
mais on peut se passer du cat, car il n'y a qu'un fichier, et utiliser for mot in $(< fichier).

[zipe31]

Salut,

Code :

1
2
3
4
5
6
7
8
9
10
11
12
13
14
$ cat plop 
de monde depuis
deux puits
monde
depuis
 
$ sed 's/ /\n/g' plop | sort | uniq -c
      1 de
      2 depuis
      1 deux
      2 monde
      1 puits
 
$

PS. On peut utiliser "tr" à la place de "sed" : tr ' ' '\n' < plop

[kandro]

Merci beaucoup pour vos réponses, je pense que je vais prendre la solution donnée par zipe31, elle est vachement efficace ^^.

[N_BaH]

Code :

1
2
3
4
$ cat fichier.txt
depuis de monde
deux puits
mon de puis

Code :

1
2
3
4
5
time (for ((i=0; i<2000; i++)); do sed 's/ /\n/g' fichier.txt | sort | uniq -c; done)
[…]
real	0m40.027s
user	0m5.934s
sys	0m7.727s

concis, soit. efficace...

Code :

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
time (
for ((i=0; i<2000; i++))
do unset aArr
   declare -A aArr
   for mot in $(<fichier.txt )
   do ((++aArr[$mot]))
   done
   for mot in ${!aArr[@]}
   do printf '%20s :%5d\n' $mot ${aArr[$mot]}
   done
done
)
[…]
real	0m7.763s
user	0m1.270s
sys	0m0.671s

je ne suis pas sûr

[kandro]

Soit, je tâcherai à l'avenir de choisir mes mots plus convenablement.

[zipe31]

Comparons ce qui est comparable

Code :

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
$ wc -lw < plop 
  206550  2088450
 
$ cat foo.sh 
#! /bin/bash
 
declare -A aArr
for mot in $(<plop)
do
((++aArr[$mot]))
done
for mot in ${!aArr[@]}
do
printf '%20s :%5d\n' $mot ${aArr[$mot]}
done
 
$ cat bar.sh 
#! /bin/bash
 
tr ' ' '\n' < plop | sort | uniq -c
 
 
 
$ time -p ./foo.sh 
                  un :45900
                mais :22950
                deux :22950
                veut :22950
[...]
                   y :22950
         associatif, :22950
               bien, :22950
real 15.78
user 15.38
sys 0.41
 
$ time -p ./bar.sh 
  68850 
  22950 4,
  22950 a
  45900 à
  22950 accepte,
  22950 amis
[...]
  22950 y
real 3.09
user 3.17
sys 0.05
 
$

[N_BaH]

me voilà rassuré (déçu, mais rassuré) : le jour où le shell est plus rapide que des outils tels que sed, ou awk n'est pas encore arrivé. ouf !

[zipe31]

Me voilà heureux de t'avoir déçu tout en te rassurant

Au cas ou... Bonne et Heureuse Année 2012, que le Shell soit avec toi