Подсчитайте количество символов в каждой строке.

Вопрос или проблема

Как я могу эффективно подсчитать количество символов в строке текстового файла и затем определить, какие строки имеют количество символов, не соответствующее определенному целевому числу?

Вы можете читать файл построчно и использовать синтаксис ${#var}, чтобы получить длину каждой строки:

$ printf '%s\n' 1 22 333 | while read line ; do echo ${#line} ; done
1
2
3

Например, чтобы получить номера строк, длина которых не равна 80, вы можете использовать

... | while read line ; do echo ${#line} ; done | grep -vn '^80$'

grep -v '^80$' выводит строки, которые не содержат единственное число 80, -n добавляет к ним номера строк.

Однако это бывает медленно. Perl значительно быстрее:

$ printf '%s\n' 1 22 333 | perl -lne 'print length'
1
2
3

Если вы действительно имеете в виду символы и ожидали входные данные в формате UTF-8, вам нужно запускать perl с -CI (в противном случае, например, ů будет считаться как два символа). Это делает Perl примерно в 4 раза медленнее, но все равно примерно в 80 раз быстрее, чем цикл while в bash.

Чтобы перечислить номера строк тех строк, длина которых не равна 80, вы можете использовать

perl -lne 'print $. if 80 != length'

• -l удаляет переносы строк из входных данных;
• -n выполняет код для каждой входной строки;
• $. — это номер текущей входной строки;
• length очевидно, я полагаю.

Ответ или решение

Подсчет символов на строку в текстовом файле

Введение

Подсчет количества символов в каждой строке текстового файла может быть важной задачей в различных сценариях, особенно при обработке текстовых данных. В данной инструкции мы рассмотрим, как эффективно выполнить эту задачу, используя различные инструменты командной строки, включая Bash и Perl.

Решение с использованием Bash

Для начала, вы можете использовать следующую команду в Bash, чтобы вывести количество символов для каждой строки в текстовом файле. Предположим, что ваш файл называется file.txt:

cat file.txt | while read line; do echo ${#line}; done

• Пояснение:
  • cat file.txt – выводит содержимое файла.
  • while read line; do ...; done – считывает файл построчно.
  • ${#line} – использует синтаксис для получения длины строки.

Однако, в данном случае нам нужно также идентифицировать строки, длина которых не соответствует заданному числу. Например, если вы хотите найти строки, длина которых не равна 80:

cat file.txt | while read line; do echo ${#line}; done | grep -vn '^80$'

• Пояснение команды:
  • grep -v '^80$' – выводит все строки, которые не равны 80, а -n добавляет номера строк.

Хотя этот способ работает, он может быть довольно медлительным при обработке больших файлов.

Использование Perl для повышения производительности

Если вам нужно более быстрое решение, можно использовать Perl. Перл значительно быстрее обрабатывает текстовые данные:

perl -lne 'print length' file.txt

• Пояснение:
  • -l – удаляет символы новой строки из вывода.
  • -n – выполняет указанный код для каждой строки.

Также стоит отметить, что если ваш текст содержит UTF-8 символы, вам необходимо использовать флаг -C для корректного подсчета символов, так как некоторые символы могут занимать больше одного байта:

perl -C -lne 'print length' file.txt

Вывод номеров строк с неправильной длиной

Чтобы выдать номера строк, длина которых не равна 80, воспользуйтесь следующей командой:

perl -C -lne 'print $. if 80 != length' file.txt

• Элементы команды:
  • $. – номер текущей строки.
  • length – функция для вычисления длины строки.

Этот метод предоставляет более быструю и эффективную обработку по сравнению с предыдущими примерами на Bash.

Заключение

Подсчет символов в текстовом файле и идентификация строк с ненадлежащей длиной является важной задачей, которую можно эффективно выполнить как с помощью Bash, так и с помощью Perl. Perl, из-за своей скорости и гибкости, является предпочтительным решением, особенно для больших объемов данных и при необходимости работы с многобайтовыми символами. Следуя описанным выше методам, вы сможете успешно реализовать эту задачу и улучшить обработку текстовых данных в своих проектах.