使用管道读取文件，运行脚本并写入同一文件

Question

我需要编写一行脚本，获取文件并在每行的末尾打印出现“word”的单词数。我可以使用另一个脚本来实现任何我想要的功能。 我的问题是，在运行脚本后，我发送给脚本的文件为空。 以下是该一行脚本：

#!/bin/bash
cat $1 | ./words_num word | cat $1

单词数

#!/bin/bash
while read line; do
    temp=`echo $line | grep $1 | wc -l`
    if (($temp==1)); then
        word_cnt=`echo $line | wc -w`
        echo "$line $word_cnt" 
    else 
        echo "$line"
    fi  
done

例如，在文件之前：

bla bla blaa word
words blaa
bla bla

文件后：

bla bla blaa word 4
words blaa 2
bla bla

Can you help?

- user2304488

---

1. 存储到另一个文件中 2. 删除旧文件 3. 将新文件名重命名为旧文件名。或者您可以将整个文件读入变量中并迭代它，然后保存到同一文件中。

- Md. Minhazul Haque

你说“句子”，但你似乎注释的是“行”，而不是“句子”（也就是，以句号、问号或感叹号结尾的单词序列 —— 其中引号和括号等会有复杂性）。你真的是指“每行中出现单词‘word’的单词数”吗？ - Jonathan Leffler

Answer 1

一句话概括：

cat $1 | ./words_num word | cat $1

is peculiar. 它大致等同于：

cat $1 | ./words_num word >/dev/null; cat $1

这段代码的预期结果可能不是你想要的。此外，它也有可能被评为“UUOC（使用cat命令无用）”奖项的候选者。

如果意图是用修改后的版本覆盖原始文件，则最好写成：

./words_num word < $1 > tmp.$$; mv tmp.$$ $1

如果您想在屏幕上看到结果，那么：

./words_num word < $1 | tee tmp.$$; mv tmp.$$ $1

如果中断了，两者都会留下临时文件。您可以通过以下方式避免此问题：

#!/bin/bash
trap "rm -f tmp.$$; exit 1" 0 1 2 3 13 15
./words_num word < $1 | tee tmp.$$
mv tmp.$$ $1
trap 0

陷阱设置信号处理程序（EXIT，HUP，INT，QUIT，PIPE，TERM），如果存在临时文件，则删除它并以失败状态退出。最后的trap 0取消了退出陷阱，因此命令成功退出。 至于words_num脚本，似乎需要调用awk而不是shell：

#!/bin/bash
[ $# == 0 ] && { echo "Usage: $0 word [file ...]" >&2; exit 1; }
word=$1
shift
awk "/$word/"' { print $0, NF; next } { print }' "$@"

如果你追求代码高效，可以缩短awk脚本的长度，但我更倾向于清晰易懂的代码。该脚本查找包含指定单词的行，打印该行以及该行字段数，并移至下一行。如果该行不匹配，则简单地打印。变量分配和移位意味着"$@"包含words_num的其他所有参数，awk会自动循环命名文件，或者在没有指定文件时读取标准输入。 该脚本应检查给定单词是否不含任何斜杠，因为这会破坏正则表达式（可以将其中每个出现的斜杠替换为[/]，一个只包含斜杠的字符类）。完成这种程度的防护留给有兴趣的用户。

- Jonathan Leffler

Answer 2

cat $1 | ./words_num word | tee $1

- ennuikiller

---

在小文件（几千字节内）上，这通常运行良好——如果你幸运的话。具体能处理多大取决于你所用操作系统管道缓冲区的大小，这可能是从大约4 KiB（符合POSIX最小要求）到64 KiB不等，但通常是5 KiB（基于历史惯例）。此外，还要依赖shell在启动tee之前启动cat，以及调度程序是否对你有利。如果你处理的文件大小为兆字节级别，这种方法将失败。 - Jonathan Leffler

@JonathanLeffler，有没有大文件的解决方案？！ - ovgolovin

@JonathanLeffler 哦，我明白了。那么我们是否需要 tee（例如 <$1 >tmp.$$）呢？另外，为什么您不将其编写为单独的答案呢？我认为这是一个更通用的解决方案，而那个带有 tee 的解决方案只适用于小文件。 - ovgolovin

我们不确定是否需要 tee。在答案中，它将文件的新内容复制到标准输出（以及文件中）。我在我的评论中保持了同样的想法。看着这个带有 'cat $1 | ./words_num word | cat $1' 结构的问题，那么代码真的很奇怪。所显示的内容不应该破坏文件。（单词计数脚本呼吁使用 awk、Perl 或 Python 等进行重写）。 - Jonathan Leffler

@ovgolovin：我已经按照你的建议做了，提供了更详细的答案。我认为这涵盖了我们讨论的大部分内容。 - Jonathan Leffler