Dotaz: Bash - usporiadanie slov v subore...

[Lichan]

Mam 4GB textovy subor v ktorom mam rozne dlhe slova (kazde prave v jednom riadku) s roznym usporiadanim slov a potreboval by 2 veci naprogramovat v bashi:

1. krok usporiadat slova v subore podla dlzky jednotlivych slov
2. krok usporiadat slova v subore abecedne 

Viete mi niekto s tym poradit?

Odpovědi

[Lichan]

To jest chcem mat 2 subory kazdy po 4GB jeden abecedne usporiadany a druhy podla dlzky slov...

[marek]

Dobry den.

Druhy soubor je jednoduchy: man sort

Prvni sort je horsi, muzete napriklad pomoci awk ke kazdemu radku pripsat pocet pismen, pomoci sort setridit a potom zase cislo odseknout.

Ale 4 GB nejsou uplne malo

Marek

[Lichan]

Mam to na masine kde nemam moznost resp. pravo spustat compiler - spravil by som to potom v C alebo v Pascale ale ako to naspat uploadnem - (mozno nieje ani nainstalovany - je to freebsd server - 2 x 3GHz Xeon, 16GB RAM) musim to zvladnut v bashi... :(

[marek]

Priklad:

 echo 'a
bbb
cc
dddd
eeeee'| awk '// {print length()"\t"$0}'| sort -n| cut -f2
a
cc
bbb
dddd
eeeee

Marek

[Heron]

V bashi nevím, ale DB by tohle zvládla levou zadní.

[rastos]

1. krok usporiadat slova v subore podla dlzky jednotlivych slov

Erm ...

tr '[a-zA-Z]' x < subor | paste - subor | sort | cut -f 2

?

[Semo]

To je pekne.

Mozno by bol lepsi tr -c '\n' x < subor | ... pre pripad, ze sa sem tam vyskytne aj iny znak

[Semo]

Na druhej strane musi triedit 8GB subor, pri zapisani dlzky v desiatkovej sustave a nie jednickovej, mu ten subor narastie nezanedbatelne menej.

[Ant]

paste - subor

Je opravdu nejjednodussi zpusob, tak setridit 4GB soubor vytvorit 8 gigabajtovy?

[Ant]

tak setridit

s/tak/jak/

Jinak koukam, ze si musim davat casteji refresh. Nekdo me predbehl s tou samou myslenkou.

[Ash]

Není, jsou i jiné způsoby, třeba to výše uvedené číslování, nebo z těch jednodušších mne napadá číst řádku po řádce a v nově vytvářeném souboru ji dávat přímo na řádek odpovídající její délce (takový insert sort; pokud už tam něco je tak oddělit vhodným oddělovačem, lze-li). Na závěr jen nahradit oddělovače a odstranit prázdné řádky. V zásadě si můžete implementovat jakýkoliv algoritmus, ne? :)

[Ash]

Na druhou stranu, hodně záleží co si představujete pod slovem jednoduchost. To s tím 8G souborem mi připadá jednoduché dost ;)

[jas]

A nie je tam ziadny interpret perlu/pythonu/haskellu? Obavam sa, ze obvzlast ten prvy krok by v bashi trval prilis dlho.

[Lichan]

Perl ano, haskel a python nie.... Ako by to slo v Perle?

[jas]

Napr. takto, cita zo suboru inp.file, pise na std. vystup:

my $data_file="inp.file";
open(DAT, $data_file) || die("Could not open file!");
my @raw_data=<DAT>;
close(DAT);
my @desc = sort {length $a <=> length $b} @raw_data;
print $_ "\n" foreach @raw_data;
print @desc;

Pokial ide o druhy priklad, staci pouzit sort bez specifikovania funkcie(cize bez toho {length $a <=> length $b}).