Linux shell脚本,用于计算文本文件中字符序列的出现次数?

只需一个awk脚本即可,因为您将处理一个巨大的文件。使用多个管道可以降低速度。

#!/bin/bash
awk 'BEGIN{
 search="thisIsTheSequence"
 total=0
}
NR%10==0{
  c=gsub(search,"",s)
  total+=c  
}
NR{ s=s $0 }
END{ 
 c=gsub(search,"",s)
 print "total count: "total+c
}' file

输出

$ more file
asdasdthisIsTheSequence
asdasdasthisIsT
heSequenceasdasdthisIsTheSequ
encesadasdasdaasdasdthisIsTheSequence
asdasdasthisIsT
heSequenceasdasdthisIsTheSequ
encesadasdasda
asdasdthisIsTheSequence
asdasdasthisIsT
heSequenceasdasdthisIsTheSequ
encesadasdasda

$ ./shell.sh
total count: 9

echo $((`tr -d "\n" < file | sed 's/thisIsTheSequence/\n/g' | wc -l` - 1))

在shell内核之外可能有更有效的方法使用实用程序——特别是如果您可以将文件放入内存中。

在你的序列中会有不止一条换行吗?

如果没有,一种解决方案是将序列一分为二并搜索一半(例如,搜索“thisIsTh”和“eSequence”),然后返回您找到的事件并“仔细查看”,即去掉该区域中的换行符并检查是否匹配。

基本上,这是一种快速“过滤”数据以找到有趣的东西。

使用类似于:

head -n LL filename | tail -n YY | grep text | wc -l

其中LL是序列的最后一行,YY是序列中的行数(即LL-第一行)