☰

Unix 终端 - 如何打印一行中的每个二元/三元？

tag-icon • tag-icon text-processing grep
Unix 终端 - 如何打印一行中的每个二元/三元？

如何使用 unix 终端打印一行的每个二元组？标点符号被视为一个“单词”。

例如，如果我必须输入以下内容：

This is ! line .

This is ! second line .

如果搜索每个二元组，我的输出应该如下：

This is
is !
! line
line .

This is
is !
! second
second line
line .

如果搜索每个三元组，我的输出应该如下：

This is !
is ! line
! line .

this is !
is ! second
! second line
second line .

命令

grep -Eio '[a-z!.]+ [a-z!.]+'

退货

This is
! line
This is
! second
line .

这很接近，但还不是我需要的。

答案1

你可以像这样使用perl

二元组

perl -lne 'while(/(\S+\s+\S*){1}/){print $&;s/\S+\s+//}' file

This is
is !
! line
line .
This is
is !
! second
second line
line .

卦象

perl -lne 'while(/(\S+\s+\S*){2}/){print $&;s/\S+\s+//}' file

This is !
is ! line
! line .
This is !
is ! second
! second line
second line .

将大括号中的数字更改为每行所需的数量 (-1)。

答案2

您需要一个grep不仅能够打印部分行的实现（就像您的 grep 一样，它可以-o选择仅打印匹配的内容，而不是匹配的行），而且还能够打印部分行几次。

pcregrep是其中之一：

pcregrep -o1 -o2 --om-separator=' ' '(\S+)\s*(?=(\S+))'

在这里，-o2打印一些本身不匹配的东西，一些只在 a 中匹配的东西展望运算符 ( (?=...))，因此pcregrep将从 输出的单词末尾开始继续查找更多匹配项-o1。

\s匹配间距（垂直或水平）字符，因此字在这种情况下是非空格字符的序列。

相反，您可以使用awk：

awk '{for (i=1; i<NF; i++) print $i, $(i+1)}'

为了awk，字是非空白（水平间距）字符的序列，在某些实现中仅限于 SPC 和 TAB。

如果您想将其line.视为两个独立的字:line和，您可以使用支持基于以下模式定义字段.的 GNU 实现：awk

gawk -v FPAT='[[:alnum:]]+|[[:punct:]]+' '{for (i=1; i<NF; i++) print $i, $(i+1)}'

在哪里字被定义为字母数字字符序列或标点符号字符序列。

答案3

抱歉，这个用途， 不是:

为了二元组:

sed 'h;:a;s/^ *\([^ ]\+\) \+\([^ ]\+\).*$/\1 \2/p;g;s/^ *[^ ]\+//;h;ta;'

或者也许（替换\+为\{1,\}as斯特凡·查泽拉斯的评论指出：

sed -e 'h;:a' -e 's/^ *\([^ ]\{1,\}\) \{1,\}\([^ ]\{1,\}\).*$/\1 \2/p;g;s/^ *[^ ]\{1,\}//;h;ta'

并为卦象:

sed 'h;:a;s/^ *\([^ ]\+\) \+\([^ ]\+\) \+\([^ ]\+\).*$/\1 \2 \3/p;g;s/^ *[^ ]\+//;h;ta;'

对于 Mac 系统sed：

sed -e 'h;:a' -e 's/^ *\([^ ]\{1,\}\) \{1,\}\([^ ]\{1,\}\) \{1,\}\([^ ]\{1,\}\).*$/\1 \2 \3/p;g;s/^ *[^ ]\{1,\}//;h;ta'

解释：

二元语法作为 sed 脚本：

#!/bin/sed -f

    h;                                       # Hold pattern space to hold space
:a;                                          # label for branch
    s/^ *\([^ ]\+\) \+\([^ ]\+\).*$/\1 \2/p; # print 1st bigram
    g;                                       # restore from hold space
    s/^ *[^ ]\+//;                           # drop 1st monogram
    h;                                       # hold pattern space
    ta;                                      # branch if last search success

仅当最后一个匹配时才t标记最后一个（条件分支）。:as///

还有麦克的sedbigram.sed 的版本：

#!/usr/bin/sed -f

    h;                                    # Hold pattern space to hold space
                                          # label for branch
:a
    s/^ *\([^ ]\{1,\}\) \{1,\}\([^ ]\{1,\}\).*$/\1 \2/p; # print 1st bigram
    g;                                    # restore from hold space
    s/^ *[^ ]\{1,\}//;                    # drop 1st monogram
    h;                                    # hold pattern space
                                          # branch if last search success
    ta

相关内容