アニメ『GOSICK -ゴシック-』(2011)
2011年に全部見てるはずですが、全部忘れてるのでまた見てます。
おそらく当時も思ったのでしょうが、このアニメに登場する大きな図書館、すごくいいです。長期間住んでみたい。まあ図書館に住み込んでも、とてもこの量の本を読み切れるわけはないのですが、いつでもたくさんの本が読めるってことを想像すると、わくわくするんですよね。
活字欲が沸いてきたところで、今回は、/usr/share/dict/wordsの各アルファベットについて出現数を調べてみます。
まずは、sedで一文字ずつ分割して、sortとuniqで各アルファベットの出現数を算出してみます。
takk@deb9:~$ cat /usr/share/dict/words | sed 's/\(.\)/\1\n/g' | sort | uniq -c
99171
26243 '
1288 A
1247 B
1419 C
734 D
〜省略〜
12513 y
3141 z
1 Å
10 á
7 ä
6 â
3 å
5 ç
144 é
28 è
6 ê
2 í
8 ñ
8 ó
16 ö
2 ô
12 ü
3 û
takk@deb9:~$
ファイルの最後の方は、フランス語の文字が含まれてるんですね。最後の行をodで文字コードを確認してみましょう。
takk@deb9:~$ tail -1 /usr/share/dict/words | od -tx1a
0000000 c3 a9 74 75 64 65 73 0a
C ) t u d e s nl
0000010
takk@deb9:~$
エチュードって聞き覚えがあります。
アクセント付きのアルファベットは1文字=1バイトではないので、これを利用すればまとめて分類することができます。
sedの代わりにfoldを使って除外してみます。
takk@deb9:~$ cat /usr/share/dict/words | fold -b1 | sort | uniq -c
522 �
26243 '
1288 A
1247 B
1419 C
734 D
〜省略〜
12513 y
3141 z
takk@deb9:~$
複数バイトの文字は、522カウントされている 先頭行に集まりました。
シングルクォートも除外したいので、純粋にアルファベットだけの出現数はtailで上から3行目以降を表示するための、-n+3オプションを指定します。
takk@deb9:~$ fold -b1 /usr/share/dict/words | sort | uniq -c | tail -n+3
1288 A
1247 B
1419 C
734 D
596 E
455 F
720 G
752 H
343 I
493 J
582 K
836 L
1560 M
518 N
359 O
920 P
65 Q
702 R
1450 S
819 T
130 U
323 V
453 W
39 X
139 Y
140 Z
63151 a
14279 b
30453 c
27797 d
88237 e
10220 f
21992 g
18568 h
66643 i
1455 j
7827 k
40271 l
20948 m
56626 n
48585 o
21354 p
1459 q
56645 r
88663 s
52187 t
25988 u
7666 v
7077 w
2085 x
12513 y
3141 z
takk@deb9:~$
次回は、これを出現率の一覧に変換します。
