как считать общее количество слов в файле?

Я придумал это для ПРОСТО числа:

wc -w [file] | cut -d' ' -f1

5

Я также как wc -w < [file] подход

Наконец, для хранения просто подсчета слов в переменной, Вы могли использовать следующее:

myVar=($(wc -w /path/to/file))

Это позволяет Вам пропустить имя файла изящно.

Лучшее решение использует Perl:

perl -nle '$word += scalar(split(/\s+/, $_)); END{print $word}' filename

@Bernhard

Можно проверить исходный код wc команда от coreutils, я тестирую в своей машине с файлом subst.c в ударе 4,2 источника.

time wc -w subst.c

real    0m0.025s
user    0m0.016s
sys     0m0.000s

И

time perl -nle '$word += scalar(split(" ", $_)); END{print $word}' subst.c

real    0m0.021s
user    0m0.016s
sys     0m0.004s

Чем больше файл, тем более эффективный Perl относительно wc.

Используем AWK!

$ function wordfrequency() { awk 'BEGIN { FS="[^a-zA-Z]+" } { for (i=1; i<=NF; i++) { word = tolower($i) words[word]++ } } END { for (w in words) printf("%3d %s\n", words[w], w) } ' | sort -rn } 
$ cat your_file.txt | wordfrequency

Здесь перечисляется частота каждого слова, встречающегося в предоставляемом файле. Я знаю, что это не то, что вы просили, но это лучше! Если вы хотите увидеть вхождения вашего слова, вы можете просто сделать это:

$ cat your_file.txt | wordfrequency | grep yourword

Я даже добавил эту функцию в мой .dotfiles

Source: AWK-ward Ruby

Программа wc считает «слова», но это, например, не те «слова», которые многие люди увидят при просмотре файла. Программа vi , например, использует другую меру «слов», разделяя их на основе их классов символов, в то время как wc просто считает вещи , разделенные пробелами . Эти две меры могут кардинально отличаться. Рассмотрим следующий пример:

first,second

vi видит три слова ( первое и второе , а также разделяющую их запятую), а wc видит один (в этой строке нет пробелов). Есть много способов подсчета слов, некоторые из них менее полезны, чем другие.

Хотя Perl лучше подходит для написания счетчика для слов в стиле vi, вот быстрый пример с использованием sed , tr и wc ( умеренно переносимый с использованием буквального возврата каретки ^ M ):

#!/bin/sh
in_words="[[:alnum:]_]"
in_punct="[][{}\\|:\"';<>,./?\`~!@#$%^&*()+=-]"
sed     -e "s/\($in_words\)\($in_punct\)/\1^M\2/g" \
        -e "s/\($in_punct\)\($in_words\)/\1^M\2/g" \
        -e "s/[[:space:]]/^M/g" \
        "$@" |
tr '\r' '\n' |
sed     -e '/^$/d' |
wc      -l

Сравнение счетчиков:

• Запуск сценария на самом себе дает мне 76 слов.
• Пример на Perl от @cuonglm дает 31.
• Использование wc дает 28.

Для справки: POSIX vi говорит:

В локали POSIX vi должен распознавать пять типов слов:

1. Максимальная последовательность букв, цифр и знаков подчеркивания, разделенных с обоих концов. by:

   • Символы, отличные от букв, цифр или подчеркиваний
     

   • Начало или конец строки

   • Начало или конец буфера редактирования

2. Максимальная последовательность символов, кроме букв, цифр и подчеркиваний , или символы, разделенные с обоих концов:

   • буква, цифра, подчеркивание
     
   • <пробел> символы
     
   • начало или конец строки
     
   • начало или конец буфера редактирования

3. Одна или несколько последовательных пустых строк

4. Первый символ в буфере редактирования

5. Последний не- <новая строка> в буфере редактирования