[решено] Подсчет символов разных языков в мультиязычных файлах

[nkaretnikov]

Здравствуйте!
Как получить количество, скажем, русских символов в двуязычной строке
Пример
‘строкасодержащаяenglishsymbol’.lenRU и результат 15
‘строкасодержащаяenglishsymbol’.lenEN и результат 13

В идеале скрипт должен считать количество символов каждого языка в мультиязычных файлах, но эту часть я знаю как создать, а о подсчет спотыкаюсь

[Kazun]

([char[]]'строкасодержащаяenglishsymbol' -match "[а-я]").count

[Iska]

Токмо шаблон чуть ширше — [а-яё], поскольку ё выпадает за границы от а до я.

[greg zakharov]

Токмо шаблон чуть ширше — [а-яё], поскольку ё выпадает за границы от а до я.А еще лучше \p{IsCyrillic}. Почему? Есть вероятность, что при задании шаблона [а-яё] может быть введена латинская a, и тогда, например, в строке 'съеш ещё этих мягких французских булок, да выпей чаю! /dev/null' итог будет равным 50, а не 43 как положено, поэтому использование \p{IsCyrillic} более предпочтительно.

[Nikolay_Karetnikov@vk]

Спасибо!


$lines = Get-Content 'C:\powershell\in.txt'
$len = $lines.length


выдает $len=3 на вложенном файле.

Как это? Вроде ожидать надо количество символов, а не строк :)

[greg zakharov]

Дык если в файле три строки, что Вы ожидаете увидеть, десять? Get-Content по уолчанию считвает файл как массив строк, отсюда и количество строк, а не символов.

[Nikolay_Karetnikov@vk]

Символы нужны :)
По строкам считать в цикле или есть проще способ?

[greg zakharov]

Ну дык используйте measure:
Get-Content in.txt | Measure-Object -Character

[Nikolay_Karetnikov@vk]

Круть! )
Как это совместить теперь с -match "[а-я]"?

$lines = Get-Content 'C:\powershell\in.txt'
$len = $lines.length
$lenRU = ($lines -match "[а-я]") | Measure-Object -Character
$len = $lines.length


Получилось! Осталось только сообразить как считать не символы в строках, содержащих русские буквы, а именно количество букв

[Iska]

Есть вероятность, что при задании шаблона [а-яё] может быть введена латинская a, »
Ну, это навряд ли.

Указанное Вами идеологически более верное — вроде как факт. Но дело в том, что туда попадут все символы из набора 0400 - 04FF, т.е.:
http://i.imgur.com/tQerTvE.png
а не только буквы русского алфавита от а до я. А оно нам надо? Вопрос риторический.

[Kazun]

([char[]](gc in.txt -raw) -match "[а-я]").Count

[Nikolay_Karetnikov@vk]

а если

Major Minor Build Revision
----- ----- ----- --------
2 0 -1 -1

и

Get-Content : Не удается найти параметр, соответствующий имени параметра "raw"

?

[Kazun]

([IO.File]::ReadAllText("C:\in.txt").ToCharArray() -match "[а-я]").Count

[Nikolay_Karetnikov@vk]

И отлить в металле! :)
Спасибо большое!