Einf ¨uhrung in UNIX - CIS

162 2 UNIX
• split spaltet ein File in gleich große Teile
• ssp entfernt mehrfache leere Zeilen
• tr translate, ersetzt Zeichen
• uniq findet wiederholte Zeilen in einem sortierten File
• vis zeigt ein File an, das unsichtbare Zeichen enthält
• wc word counter, zählt Zeichen, Wörter, Zeilen
Die Liste läßt sich durch eigene Werkzeuge beliebig erweitern. Das können
Programme oder Shellscripts sein. Hier ein Beispiel zur Beantwortung einer
zunächst anspruchsvoll erscheinenden Fragestellung mit einfachen Mitteln.
Ein Sachtext soll nicht unnötig schwierig zu lesen sein, die Sachzusammenhänge
sind schwierig genug. Ein grobes Maß für die Lesbarkeit eines
Textes ist die mittlere Satzlänge. Erfahrungsgemäß sind Werte von zehn bis
zwölf Wörtern pro Satz für deutsche Texte zu empfehlen. Wie kann eine Pipe
aus UNIX-Werkzeugen diesen Wert ermitteln? Schauen wir uns das Vorwort
an. Als erstes müssen die LaTeX-Konstrukte herausgeworfen werden. Hierfür
gibt es ein Programm delatex, allerdings nicht standardmäßig unter UNIX.
Dann sollten Leerzeilen entfernt werden – Werkzeug rmnl(1) – sowie einige
Satzzeichen – Werkzeug tr -d. Schließlich muß jeder Satz in einer eigenen
Zeile stehen. Wir ersetzen also alle Linefeed-Zeichen (ASCII-Nr. 10, oktal 12)
durch Leerzeichen und danach alle Punkte durch Linefeeds. Ein kleiner Fehler
entsteht dadurch, daß Punkte nicht nur ein Satzende markieren, aber bei
einem durchschnittlichen Text ist dieser Fehler gering. Schicken wir den so
aufbereiteten Text durch das Werkzeug wc(1), so erhalten wir die Anzahl
der Zeilen gleich Anzahl der Sätze, die Anzahl der Wörter (wobei ein Wort ein
maximaler String begrenzt durch Leerzeichen, Tabs oder Linefeeds ist) und
die Anzahl der Zeichen im Text. Die Pipe sieht so aus:
cat textfile | rmnl | tr -d ’[0-9],;"()’ |
tr ’\012’ ’\040’ | tr ’.’ ’\012’ | wc
Programm 2.27 : Shellscript zur Stilanalyse
Die Anzahl der Wörter geteilt durch die Anzahl der Sätze liefert die mittlere
Satzlänge. Die Anzahl der Zeichen durch die Anzahl der Wörter ergibt die
mittlere Wortlänge, infolge der Leerzeichen am Wortende erhöht um 1. Auch
das ist ein Stilmerkmal. Die Ergebnisse für das Vorwort (ältere Fassung) sind
29 Sätze, 417 Wörter und 3004 Zeichen, also eine mittlere Satzlänge von
14,4 Wörtern pro Satz und eine mittlere Wortlänge (ohne Leerzeichen) von
6,2 Zeichen pro Wort. Zählt man von Hand nach, kommt man auf 24 Sätze.
Die Punkte bei den Zahlenangaben verursachen den Fehler. Man müßte das
Satzende genauer definieren. Die erste Verbesserung des Verfahrens wäre,
nicht nur die Mittelwerte, sondern auch die Streuungen zu bestimmen. Hierzu
wäre der awk(1) zu bemühen oder gleich ein C-Programm zu schreiben.
Das Programm liefert nur Zahlen; ihre Bedeutung erhalten sie, indem man
sie zu Erfahrungswerten in Beziehung setzt. Soweit sich Stil durch Zahlen