Linux/Unix下统计TSV文件指定列每行字符数的方法

方法一：用awk命令（快速便捷） #

awk是处理分隔符文本的高效工具，适合快速处理TSV/CSV文件。假设你要统计第2列的字符数（对应示例中的句子列），可按以下方式执行：

针对TSV文件（制表符分隔）：

awk -F '\t' '{len = length($2); print $0 "\t" len}' input.tsv > output.tsv

• -F '\t'：指定文件的分隔符为制表符（TSV标准分隔符）
• length($2)：计算第2列的字符总数（包含空格）
• print $0 "\t" len：输出原行内容，追加制表符和字符数后写入新文件

针对你示例中的CSV文件（逗号分隔）：

若处理逗号分隔的文件，仅需修改分隔符参数：

awk -F ',' '{len = length($2); print $0 ", " len}' input.csv > output.csv

执行后即可得到你给出的示例效果：

输入：
ab, an apple
ac, not juice
ad, I like

输出：
ab, an apple , 7
ac, not juice, 8
ad, I like, 5

方法二：用Python脚本（灵活扩展） #

如果需要处理带引号字段、特殊字符等复杂场景，可使用Python的csv模块编写脚本：

import csv

# 处理TSV文件
with open('input.tsv', 'r', newline='', encoding='utf-8') as infile, \
     open('output.tsv', 'w', newline='', encoding='utf-8') as outfile:
    reader = csv.reader(infile, delimiter='\t')
    writer = csv.writer(outfile, delimiter='\t')
    for row in reader:
        # 确保行中存在目标列（此处为第2列，索引从0开始）
        if len(row) >= 2:
            char_count = len(row[1])
            row.append(str(char_count))
            writer.writerow(row)

若处理CSV文件，只需将代码中的delimiter='\t'替换为delimiter=','即可。

内容的提问来源于stack exchange，提问作者Solomon123