Compter les mots d'un fichier

[moderno31]

Bonjour,

J'ai besoin de compter dans plusieurs fichiers Excel le nombre de mots qui sont trouvés.
Par exemple avoir un résultat comment :
- Formation = 16
- Licence = 2
- Spécifications fonctionnelles (compte pour 1 mot) : 6

Je pense à Automator. Auriez-vous une autre idée pour moi ?

Merci

 

[Aliboron]

Dans Excel, tu peux le faire simplement avec une astuce : tu lances une recherche sur le mot ou l'expression voulue et tu demandes à remplacer par la même chose. Tu cliques sur "Remplacer tout" et il te répond "Excel a remplacé xx instances" :

​

Sinon, si le mot recherché est toujours seul dans les cellules (et pas n'importe où dans le contenu des cellules), tu peux aussi le faire dans une feuille de calcul avec la fonction =NB.SI(). Par exemple en saisissant la formule =NB.SI(C:C;"=Restau") dans une cellule, j'obtiens le nombre de cellules contenant le mot "Restau" dans la colonne C :

​

Selon le besoin, on peut encore sophistiquer un peu (mais tant qu'à faire, précise ce que tu veux exactement obtenir, la version d'Excel concernée, etc.)

 

[melaure]

un grep en shell ?

 

[luc1en]

Bonjour,

un grep en shell ?

ça fonctionnerait dans un fichier au format propriétaire tel que xlsx ? Spotlight trouve des chaînes de caractère, mais est-ce qu'il fonctionne sur la base de grep ?

 

[Membre supprimé 1060554]

un grep en shell ?

À supposer que soit lisible a priori un fichier "source" intitulé par exemple docu.txt et localisé (toujours en exemple) sur le Bureau, alors une commande grep assortie d'un pipe simple :

grep -o 'pattern' Desktop/docu.txt | wc -l

retourne le nombre exact d'occurences de 'pattern' (un mot choisi, ou un caractère, ou encore une expression) dans le fichier.

Mais si l'on aime mieux se compliquer la vie avec awk (par exemple), alors une commande :

awk -F 'pattern' '{ if ( NF > 0 ) n += NF - 1 }; END { print n }' Desktop/docu.txt

produirait le même résultat.

À supposer qu'il y ait plus d'un fichier, soit toujours en exemple docu.txt et fichier.rtf sur le Bureau, alors il suffirait de les aligner en cibles de grep ainsi :

grep -o 'pattern' Desktop/docu.txt Desktop/fichier.rtf | wc -l

ou pareillement dans la variante awk ainsi :

awk -F 'pattern' '{ if ( NF > 0 ) n += NF - 1 }; END { print n }' Desktop/docu.txt Desktop/fichier.rtf

Mais pour l'amateur de trombones rallonges à coulisses, il serait encore possible de partir d'un cat préalable qui refilerait le flux de lecture des fichiers par un premier pipe à grep ainsi :

cat Desktop/docu.txt Desktop/fichier.rtf | grep -o 'pattern' | wc -l

ou dans la variante awk ainsi :

cat Desktop/docu.txt Desktop/fichier.rtf | awk -F 'pattern' '{ if ( NF > 0 ) n += NF - 1 }; END { print n }'

Mais comme remarqué par luc1en :

ça fonctionnerait dans un fichier au format propriétaire tel que xlsx ? Spotlight trouve des chaînes de caractère, mais est-ce qu'il fonctionne sur la base de grep ?

=> zéro pointé avec un fichier excel .xlsx qui n'est pas lisible en "source". Mieux vaut donc recourir au procédé de Bernard (aka: Aliboron)

 

[luc1en]

Bonjour,

un fichier excel .xlsx qui n'est pas lisible en "source".

le format .xlsx est en effet un conteneur. Ouvert avec un éditeur de texte, voici ce qui s'affiche


D'après ce que j'ai compris, parcourir le contenu de ce type de “fichier” nécessite de causer en néo klingon XML.

 

[melaure]

Ce n'est pas bien compliqué le XML, et c'est facilement "parsable"

 

[bompi]

Tout juste. Les fichiers XML sont en général du texte (pour les .xlsx, codé en l'UTF-8) donc on peut compter aisément les occurences d'un mot qu'ils contiennent.
À mon avis, on aurait alors intérêt à utiliser un script bien écrit (en Perl, Python, Ruby : tout ceci est installé par défaut sur les Macs).

[Edith]En fait, j'avais oublié l'option -c de unzip.
En tapant :

unzip -c monfichier.xlsx | awk -F 'pattern' '{ if ( NF > 0 ) n += NF - 1 }; END { print n }'

on doit commencer à y arriver.
Sauf si les fins de ligne ne sont pas corrects.

 

[Membre supprimé 1060554]

Ça marche effectivement (je viens de le vérifier) => le premier segment de commande introduit par bompi :

unzip -c monfichier.xlsx

permet bien de piper du texte lisible à awk, ce qui fait que la commande complète de son message #8 est valide pour un fichier excel isolé :

unzip -c monfichier.xlsx | awk -F 'pattern' '{ if ( NF > 0 ) n += NF - 1 }; END { print n }'

À supposer qu'on veuille à présent compter des occurences en prenant pour source un lot de fichiers .xlsx (et pas un seul fichier), une astuce commode serait de commencer par logger tous ces fichiers dans un dossier créé ad-hoc - pour l'exemple un BROL sur le Bureau.

Alors, une simple commande :

cd Desktop/BROL

commencerait par logger l'opérateur dans l'espace du dossier BROL > ce qui permettrait d'enchaîner par la commande légèrement adaptée :

unzip -c '*xlsx' | awk -F 'pattern' '{ if ( NF > 0 ) n += NF - 1 }; END { print n }'

et l'on obtiendrait le résultat demandé, unzip commençant par traiter tous les éléments terminés par l'extension .xlsx de l'espace d'opération (comme s'il s'agissait du contenu d'une archive) pour les piper ensemble à awk qui n'a plus qu'à compter les occurrences de 'pattern'.