[已解决]20元求词频统计 - 有偿求助 - 批处理之家 BAT,CMD,批处理,PowerShell,VBS,DOS

Rank: 5 Rank: 5

帖子: 418
积分: 811
技术: 2
捐助: 0
注册时间: 2008-11-24

16楼 跳转到 »

发表于 2019-7-31 14:27 | 只看该作者

回复 15# happy886rr
请问，可以发一个到同名163邮箱吗。谢谢！
当真了解了一下，登录时间是上个月。
不知道是不是不分词的统计？是不是可以设置统计1-6个字的频率？

Rank: 5 Rank: 5

帖子: 418
积分: 811
技术: 2
捐助: 0
注册时间: 2008-11-24

17楼

发表于 2019-7-31 14:29 | 只看该作者

回复 9# WHY
要是直接用每一行去搜索，不是更通用吗？
麻烦一下。

WHY

上校

Rank: 6 Rank: 6

帖子: 1482
积分: 3266
技术: 567
捐助: 0
注册时间: 2015-7-19

18楼

发表于 2019-7-31 18:16 | 只看该作者

回复 17# lxh623

这个是根据你的具体要求来的，条件一变脚本就得改，"通用" 应该谈不上。
如果以每一行关键字（顶楼说26万行）去搜索诗词每一行内容，循环次数会增加很多，可能会降低效率。你可以试试：

gawk "FNR==NR{a[$0]=1};FNR!=NR{for(i in a)b[i]+=gsub(i,i)}END{for(i in b)print i,b[i]}" 关键词.txt 诗词.txt > Result.txt
复制代码

xczxczxcz

Rank: 5 Rank: 5

帖子: 709
积分: 961
技术: 83
捐助: 0
注册时间: 2012-9-14

19楼

发表于 2019-7-31 19:13 | 只看该作者

简单测试了下，顶楼诗词复制粘贴到 60-70M。搜索存在不重复的关键词1000个用时约77秒。26万多个得6个小时左右。这东西得用 C 或汇编之类来写。

Rank: 5 Rank: 5

帖子: 418
积分: 811
技术: 2
捐助: 0
注册时间: 2008-11-24

20楼

发表于 2019-8-1 09:04 | 只看该作者

回复 19# xczxczxcz
9楼的代码大约四十分钟，很快的。是29万行的关键词。

Rank: 5 Rank: 5

帖子: 418
积分: 811
技术: 2
捐助: 0
注册时间: 2008-11-24

21楼

发表于 2019-8-1 09:20 | 只看该作者

本帖最后由 lxh623 于 2019-8-1 11:48 编辑

回复 18# WHY
如楼上所说，很快的。
我觉得，都是29万行，用2-3个字或者一行，（一行就是2-3个字）难道不一样吗。
9楼的代码，我改成4和6，就是没有结果。怪了。

Rank: 5 Rank: 5

帖子: 418
积分: 811
技术: 2
捐助: 0
注册时间: 2008-11-24

22楼

发表于 2019-8-2 10:55 | 只看该作者

回复 15# happy886rr
无法获得启动参数。不会用啊！

echo
trie U:C2.DI <in.txt>out.txt
trie m
pause
复制代码