☰

过滤多个单词中的不同相同字符

tag-icon • tag-icon command-line
过滤多个单词中的不同相同字符

我有一个非常大的单词表。如何使用 Unix（或者可能是 Python）查找符合特定字符共享标准的多个单词的实例？例如，我希望单词 1 和 2 具有相同的第四和第七个字符，单词 2 和 3 具有相同的第四和第九个字符，单词 3 和 4 具有相同的第二、第四和第九个字符。

例子：

aaadiigjlf
abcdefghij
aswdofflle
bbbbbbbbbb
bisofmlwpa
fsbdfopkld
gikfkwpspa
hogkellgis

可能会回归

abcdefghij
aaadiigjlf
fsbdfopkld
aswdofflle

编辑：为了澄清起见，我需要代码返回在给定位置共享相同字符的任何单词；我没有考虑特定的字符（如示例中给出的“d”和“g”）。此外，我希望它能够返回不符合所有标准的单词；例如，在给出的示例中，单词 1 和 4 共享第四个字符，但不一定是第二个、第七个和第九个字符。对于我以完成形式运行的程序，我希望它根据九个严格的字符共享标准返回一个非常小的单词列表（可能只有十个）。

答案1

使用grep哪些用途常用表达：

# Find all lines where the fourth and seventh letter are "d" and "g"
grep '...d..g'  somefile

# Find all lines where the fourth and ninth letters are "d" and "l"
grep '...d....l' somefile

如果你想执行两个都规则，你可以使用管道将它们链接在一起：

grep '...d..g' somefile | grep '...d....l'

您可以使用语法而不是 123 个点来减少正则表达式的详细程度和多个点{123}，例如：

egrep '.{3}d.{2}g' somefile

请注意，随着正则表达式变得越来越复杂，您可能需要使用来egrep支持某些语法，例如上面的重复语法。

相关内容