☰

如何使用 grep 查找任意单词出现 3 次的行？

tag-icon • tag-icon grep regular-expression
如何使用 grep 查找任意单词出现 3 次的行？

我想找到包含任意单词三次的行。为此，我认为最好使用该grep命令。

这是我的尝试。

grep '\(.*\)\{3\}' myfile.txt

答案1

使用标准词定义，

  • GNU 格雷普,3个或更多的出现次数任何单词。

    grep -E '(\W|^)(\w+)\W(.*\<\2\>){2}' file

  • GNU 格雷普,只有3个的出现次数任何单词。

    grep -E '(\W|^)(\w+)\W(.*\<\2\>){2}' file | grep -Ev '(\W|^)(\w+)\W(.*\<\2\>){3}'

  • POSIX awk,只有3个的出现任何单词。

    awk -F '[^_[:alnum:]]+' '{           # Field separator is non-word sequences
    split("", cnt)                   # Delete array cnt
    for (i=1; i<=NF; i++) cnt[$i]++  # Count number of occurrences of each word
    for (i in cnt) {
        if (cnt[i]==3) {             # If a word appears exactly 3 times
            print                    # Print the line
            break
        }
    }
}' file

    为了3个或更多发生时，只需更改==为>=.

    等效高尔夫球单线：

    awk -F '[^_[:alnum:]]+' '{split("",c);for(i=1;i<=NF;i++)c[$i]++;for(i in c)if(c[i]==3){print;next;}}' file

  • GNU Awk，仅出现 3 次单词ab。

    gawk 'gsub(/\<ab\>/,"&")==3' file

    为了3个或更多发生时，只需更改==为>=.

阅读材料

答案2

像这样？

egrep '(\<.+\>).+\<\1\>.+\<\1\>'
  • egrep（或grep -E）启用扩展正则表达式，这是反向引用所必需的
  • \<.+\>将匹配至少 1 个字符的任何单词
    • \<resp\>匹配单词边界（在您的尝试中，您根本没有考虑单词边界）
    • .+匹配一个或多个字符的序列（在您的尝试中，您使用了.*匹配一系列零或更多字符！）
  • 使用反向引用，检查匹配的序列是否出现第二次（\1）和第三次（\1再次）。
    • 我们允许匹配之间存在一个或多个字符 ( ) 的任意序列.+，因此“foo bar foo dorbs foo godly”将匹配（单词“foo”出现 3 次）。
    • 如果您只想匹配相邻的单词（例如“foo foo foo”），请使用类似的内容[[:space:]]+。

答案3

我假设你的问题意味着如果该行中的任何单词至少存在 3 次，则打印该行，否则丢弃它。我会使用awk, 来获得更具可读性和可定制性的解决方案：

awk -F '\\W+' '{
    delete c; for (i=1;i<=NF;i++) if (length($i) && ++c[$i]==3) {print; next}
}' file

这是所有字段的循环，计算它们每行出现的次数。如果任何单词达到 3 次，它将打印该行，删除数组并转到下一行。此外，还存在对字段长度的测试，以避免在计数的任何空字段上进行打印。

-F在这里，我们可以通过添加不同和/或许多字段分隔符（支持标准 BRE 和 ERE）来轻松自定义“单词”的含义。上面的单词分隔符都是除_和[:alnum:]:awk -F '\\W+'或 之外的所有字符awk -F '[^_[:alnum:]]+'，类似于用 匹配单词边界grep。

对于人类语言，我们可能需要不同的单词边界，就像除了字母之外的所有内容一样，例如：awk -F '[^[:alpha:]]+'或除了字母和数字：awk -F '[^[:alnum:]]+'或者不仅包含下划线，还包含破折号到单词中：awk -F '[^-_[:alnum:]]+'。

如果不设置-F，则仅使用空白字符。

答案4

  • GNU sed在扩展正则表达式模式下-E检测任意单词在一行中恰好重复 3 次的行。

$ r1='.*\<\1\>'
$ r2=$r1$r1 r3=$r2$r1
$ sed -Ee "
    /\<(\w+)\>$r2/! d
    /\<(\w+)\>$r3/d
" file
  • Perl 使用散列将单词存储为键，并将当前行中的计数存储为值。
$ perl -lne 'my %h;
    $h{$_}++ for /\w+/g;
    print if grep { $_ == 3 } values %h;
' file

相关内容