打印文件的前N个单词

Question

有没有办法打印文件的前N个单词？我尝试使用cut命令，但它是逐行读取文档的。我想到的唯一解决方法是：

sed ':a;N;$!ba;s/\n/δ/g' file | cut -d " " -f -20 | sed 's/δ/\n/g'

基本上，将换行符替换为文件中不存在的字符，使用空格作为分隔符应用“cut”，然后恢复换行符。

是否有更好的解决方案？

- Nick

---

定义一个“单词”，并提供一些样例输入和预期输出。 - Ed Morton

Answer 1

您可以使用 awk 命令打印前 n 个单词：

$ awk 'NR<=8{print;next}{exit}' RS='[[:blank:]]+|\n' file

这将打印出前8个单词。每个单词都会在单独的一行输出，您是否希望保留文件的原始格式？

编辑：

以下内容将保留文件的原始格式：

awk -v n=8 'n==c{exit}n-c>=NF{print;c+=NF;next}{for(i=1;i<=n-c;i++)printf "%s ",$i;print x;exit}' file

演示:

$ cat file
one two
thre four five six
seven 8 9 
10

$ awk -v n=8 'n==c{exit}n-c>=NF{print;c+=NF;next}{for(i=1;i<=n-c;i++)printf "%s ",$i;print x;exit}' file
one two
thre four five six
seven 8 

一个小注意点：如果最后一行打印的不是一个空格作为分隔符，那么这行文字将失去其格式。

$ cat file 
one     two
thre     four five six
seven        8 9 
10

# the 8th word fell on 3rd line: this line will be formatted with single spaces
$ awk -v n=8 'n==c{exit}n-c>=NF{print;c+=NF;next}{for(i=1;i<=n-c;i++)printf "%s ",$i;print x;exit}' file
one     two
thre     four five six
seven 8

- Chris Seymour

Answer 2

假设单词由空格分隔，您可以使用 tr 将文档转换为每行一个单词的格式，然后计算前N行：

tr -s ' \011' '\012' < file | head -n $N

将 N=20 替换为您想要的单词数。请注意，tr 是一个纯过滤器；它只从标准输入读取，并且只写入标准输出。选项-s 压缩重复替换，所以您会在输入的每个空格或制表符序列中得到一个换行符。（如果文件中有前导空格，则您将获得一个初始空行。有各种方法可以处理这个问题，例如获取输出的前N+1行，或者过滤掉所有空行。）

- Jonathan Leffler

---

还有：tr -s [[:space:]] \\n。 - William Pursell

Answer 3

使用GNU awk，我们可以将RS设置为正则表达式，并使用RT访问匹配的字符串：

$ cat file
the quick
brown     fox     jumped over
the
lazy
dog's back

$ gawk -v c=3 -v RS='[[:space:]]+' 'NR<=c{ORS=(NR<c?RT:"\n");print}' file
the quick
brown

$ gawk -v c=6 -v RS='[[:space:]]+' 'NR<=c{ORS=(NR<c?RT:"\n");print}' file
the quick
brown     fox     jumped over

$ gawk -v c=9 -v RS='[[:space:]]+' 'NR<=c{ORS=(NR<c?RT:"\n");print}' file
the quick
brown     fox     jumped over
the
lazy
dog's

- Ed Morton

Answer 4

一种使用 Perl 的方法：

perl -lane 'push @a,@F;END{print "@a[0..9]"}' file

注意：索引从零开始，因此示例将打印前十个单词。这些单词将在一行上打印，用一个空格分隔。

- Vijay

---

如果前N个单词中包含换行符，它们会被替换为空格吗？ - Nick

@Nick 是的，目前没有回答可以保留原始文件格式。 - Chris Seymour

Answer 5

为什么不尝试将您的单词转换成行，然后只使用head -n 20呢？

例如：

for i in `cat somefile`; do echo $i; done | head -n 20

虽然不够优雅，但它确实具有较少的行噪声正则表达式。

- Gian

---

那会将整个文件读入内存中，如果文件很小这并不重要，但如果文件很大就会有问题。 - Jonathan Leffler

你说得很对。它在解释bash如何将空格作为分隔符方面也相当脆弱。 - Gian

如果文件名包含通配符或以减号开头，则程序运行会失败，且失败方式难以理解。 - Ed Morton

同样正确。我想我只是提出了一种可能的方法，作为一种快速而粗略的方式来实现特定类型输入的结果。 - Gian

所有警告都已经注意到了；相对于Bash而言，它仍然是一个简单（好吧，相对而言）的方法。这里有一个版本，它不会遍历整个文件（也有一堆警告）：n=0; for i in $(cat somefile); do [ ${n} -lt 20 ] && echo $i || break; ((n+=1)); done - Leo