使用Perl计算文件中科学数字的数量

如何计算文件中科学数字的数量？该文件还有几行标题，需要跳过。

文件内容的一部分在下面。

FileHeaderLine1
FileHeaderLine2
FileHeaderLine3
FileHeaderLine4
2.91999996E-001 2.97030300E-001 3.02060604E-001 3.07090908E-001 3.12121212E-001 3.17151517E-001
3.22181821E-001 3.27212125E-001 3.32242429E-001 3.37272733E-001 3.42303038E-001 3.47333342E-001
3.52363646E-001 3.57393950E-001 3.62424254E-001 3.67454559E-001 3.72484863E-001 3.77515137E-001
3.82545441E-001 3.87575746E-001 3.92606050E-001 3.97636354E-001 4.02666658E-001 4.07696962E-001
4.12727267E-001 4.17757571E-001 4.22787875E-001 4.27818179E-001 4.32848483E-001 4.37878788E-001
4.42909092E-001 4.47939396E-001 4.52969700E-001

那么，如何跳过上面示例的前四行并计算文件中科学数字的数量？

使用核心模块Scalar::Util，您可以执行以下操作：

$ perl -MScalar::Util=looks_like_number -anle '
    $count += grep { looks_like_number($_) } @F;
    END { print $count }
' file
33

有关更多信息looks_like_number，请参见perldoc perlapi。

使用GNU grep

您可以使用grepPCRE工具来执行此操作。顺便说一下，在Perl中也可以使用相同的模式：

$ grep -oP '\d+E[-+]?\d+' file.txt  | wc -l
33

您还可以wc -w用来计数单词，我是在上面计算行数，但是grep返回的结果是一行上的一个匹配项，因此在这种情况下这并不重要。

使用Perl

对于Perl，您可以使用这种衬板：

$ perl -lane '$c += grep /\d+E[-+]?\d+/, @F; END { print $c; }' file.txt 
33

参考文献

• 袋的技巧：整洁的Perl一线脚本的集合！

egrep 将工作：

egrep "[0-9].[0-9]E-[0-9]" YourFile | wc -w

更新：

如果一行恰好同时包含数字和其他字符串，我们可以使用它awk来解决问题：

awk -F' ' '{for(i=1;i<=NF;i++)if(!(i%1))$i=$i "\n"}1' YourFile | egrep "[0-9].[0-9]E-[0-9]" | wc -w ( or wc -l )

假设第四行之后只有科学数字，则可以执行以下操作。

tail -n +5 filename | wc - w

对于您提供的输入，运行以上命令后输出为33。

如果您只需要计算perl标头行后面的空格分隔字段的数量，我认为您可以这样做

perl -lane '$sum += $#F+1 if $. > 4; END{print $sum}' file

如果您真的只需要计算科学格式的数字，则一种方法可能是根据合适的正则表达式搜索和替换数字，然后计算替换的数量（当您将perl替换表达式绑定到变量时，它会返回替换的数量。 ）

perl -lane '$sum += s/[-+]?[0-9]*\.?[0-9]+([eE][-+]?[0-9]+)?//g if $. > 4; END{print $sum}' file

一切都取决于您实际要考虑的科学数字，可以期望输入包含的内容以及可以接受的位置，以便在输入中找到这些数字。

例如，在：

That's inferior to the LK2E2000 model.

我可以找到0或2（inf和2E2000）或3（inf，2E200、0）数字（或取其极值，查找构成有效数字的所有字符序列：17（inf，2、2E2， 2E20、2E200、2E200、2E2000、2、20、200、2000、0、00、000、0、00、0））。

如果您知道输入的X.XXXXXXXXE-XXX中只有数字，并且它们使用自己的单词，那么在整个单词中查找这样的单词可能会更安全：

tr -s '[[:blank:]]' '[\n*]' | LC_ALL=C grep -xEc '[0-9]\.[0-9]{8}E-[0-9]{3}'

此处的想法是每行获得一个单词，并使整个行（-x）与所需的模式匹配。要允许任何科学的记号（-1.2e + 1234 ...，只要有e或E），可以将模式更改为：

[-+]?([0-9]+\.[0-9]*|[0-9]*\.[0-9])[eE][-+]?[0-9]+

或者使该e...部分为可选，以允许各种十进制浮点数：

[-+]?([0-9]+\.[0-9]*|[0-9]*\.[0-9])([eE][-+]?[0-9]+)?

所有这些都为您的特定输入提供了相同的答案，但是有区别的地方是输入偏离了示例中显示的严格模式。