Satzlängendurchschnitt

#/usr/bin/perl -w

#Dieses Modul ermittelt jede Satzlänge und die durchschnittliche Satzlänge pro Drogensorte

$input = "../land_der_traeume_gesamtkorpus_CWB_fertig.vrt";
$output = '../satzanzahl_schnitt_uber5.txt';

open(INPUT, "< $input");
open(OUTPUT, "> $output");

# my %hash;

while (<INPUT>) {
    $alles = join("",<INPUT>);
    @array = split(/<text/,$alles);
}

foreach (@array) {
    if ($_ =~ m/drug="(.*?)"/) {
        $drug = $1;
        push(@drugarray,$drug);
        @zaehle = split(/[\n]/,$_);
        @zaehle_satz = split(/\$\./,$_);
        $laenge = @zaehle;
        $satzlaenge = @zaehle_satz;
        push(@zaehlarray,"$drug\t$laenge\n");
        push(@satzlaengearray,"$drug\t$satzlaenge\n");
        }
}

sub del_double {
    my %all;
    $all{$_}=0 for @drugarray;
    return (keys %all);
}

@drugarray=&del_double(@drugarray);
shift(@drugarray);

$elemente = @drugarray;

$counter = 0;
$textlaengeabs = 0;
$satzlaengeabs = 0;

foreach (@drugarray) {
    $droge = $_;
    foreach (@zaehlarray) {
        if ($_ =~ m/^$droge\t(\d*?)\n/) {
        $textlaengeabs = $textlaengeabs + $1;
        }
    }
    foreach (@satzlaengearray) {
        if ($_ =~ m/^$droge\t(\d*?)\n/) {
        $satzlaengeabs = $satzlaengeabs + $1;
        $counter++;
        }
    }
    $schnittwoerter = $textlaengeabs / $counter;
    $schnittsaetze = $satzlaengeabs / $counter;
    $satzlaenge = $schnittwoerter / $schnittsaetze;

    unless ($counter <= 5) {
        push (@hasharraywoerter,"$droge");
        push (@hasharraywoerter,"$schnittwoerter");
    }
    unless ($counter <= 5) {
        push (@hasharraysaetze,"$droge");
        push (@hasharraysaetze,"$schnittsaetze");
    }
    unless ($counter <= 5) {
        push (@hasharraysatzlaenge,"$droge");
        push (@hasharraysatzlaenge,"$satzlaenge");
    }
    undef $textlaengeabs;
    undef $satzlaengeabs;
    undef $counter;
    undef $schnittwoerter;
    undef $schnittsaetze;
    undef $satzlaenge;
}


%hash_wort = @hasharraywoerter;
%hash_satz = @hasharraysaetze;
%hash_satzlaenge = @hasharraysatzlaenge;

print OUTPUT "Droge\tSatzanzahlsdurchschnitt\n";

# foreach my $key (sort {$hash_wort{$b} <=> $hash_wort{$a}} keys %hash_wort) {
#   print "$key\t$hash_wort{$key}\n";
# }

foreach my $key (sort{$hash_satz{$b} <=> $hash_satz{$a}} keys %hash_satz) {
    print OUTPUT "$key\t$hash_satz{$key}\n";
}