☰

查找第一个单词包含一组特定字母的行

tag-icon • tag-icon command-line grep regular-expression pcre
查找第一个单词包含一组特定字母的行

输入文件存在于包含多个 10 个字母组合的行之外：

NGNAEAREAX EAHVSELYCI FNWGNLACQM AWKLRMDHIT PRYMFNYMVM
NCNREDEEEQ EAHVSELYCI FNWGNLACQM AWKLRMDHIT PRYMFNYMVM

我需要一个正则表达式（PCRE 或 BRE/ERE）来查找第一个单词包含形成单词“REGEX”的字母的所有行。因此该行的第一个单词必须至少包含 1 个 R、2 个 E、1 个 G 和 1 个 X。

所以上面的输出将是：

NGNAEAREAX EAHVSELYCI FNWGNLACQM AWKLRMDHIT PRYMFNYMVM

答案1

您不能（*）将其与单个正则表达式匹配。您需要分别测试每个条件（一个 R、两个 E、一个 G、一个 X），并将它们逻辑“与”在一起以获得最终的真或假结果。

例如使用awk：

$ awk '$1 ~ /R/ && $1 ~ /E.*E/ && $1 ~ /G/ && $1 ~ /X/' inputfile.txt 
NGNAEAREAX EAHVSELYCI FNWGNLACQM AWKLRMDHIT PRYMFNYMVM

(*) 好吧，您可以创建一个包含以下替换的正则表达式每一个这五个字母（R、E、G、E 和 X）的可能组合以不同的顺序出现，但这是不切实际的。

顺便说一句，如果您需要不区分大小写的匹配并且您正在使用 GNU awk：

$ awk -v IGNORECASE=1 '$1 ~ /R/ && $1 ~ /E.*E/ && $1 ~ /G/ && $1 ~ /X/' inputfile.txt

或者在没有 GNU awk 的情况下不区分大小写：

$ awk '$1 ~ /[Rr]/ && $1 ~ /[Ee].*[Ee]/ && $1 ~ /[Gg]/ && $1 ~ /[Xx]/' inputfile.txt

答案2

使用乐（以前称为 Perl_6）

~$ raku -e 'for lines() {my %h; for .words.[0].comb() { %h{$_}++ };  \
           .put if %h.keys.contains( "R" & "E" & "G" & "X") && %h<E> >= 2 };'  file

输入示例：

NGNAEAREAX EAHVSELYCI FNWGNLACQM AWKLRMDHIT PRYMFNYMVM
NCNREDEEEQ EAHVSELYCI FNWGNLACQM AWKLRMDHIT PRYMFNYMVM

示例输出：

NGNAEAREAX EAHVSELYCI FNWGNLACQM AWKLRMDHIT PRYMFNYMVM

Raku 是 Perl 家族的一种编程语言。发布的问题似乎确实是一个键/值问题，Raku 非常适合它（注意：解决方案中没有正则表达式）。

简而言之，lines读入时，每行在空白处用 分隔，并取出words第一个单词。[0]第一个单词被comb编辑成单独的字母。

从这一点开始，每个字母都被输入到（之前声明的）%h散列中，随后该字母（由主题变量 表示$_）立即成为散列中的唯一字母，其值由已看到的key次数确定（因此加上-加）。key%h{$_}++

%h在代码中返回此时的哈希值（使用say %h.sort），您将看到以下内容：

(A => 3 E => 2 G => 1 N => 2 R => 1 X => 1)
(C => 1 D => 1 E => 4 N => 2 Q => 1 R => 1)

顶部代码解决方案的最终语句要求%h散列contains每个字母"R" & "E" & "G" & "X"作为键，并且散列的“ E”键的值为>= 2。如果找到，则返回整行（.put缩写为$_.put，其中$_代表输入行）。

https://docs.raku.org/language/hashmap
https://perlgeek.de/blog-en/perl-5-to-6/08-junctions.html
https://raku.org

答案3

您可以为此使用前瞻运算符：

grep -P '^\s*+(?=\S*R)(?=\S*E\S*E)(?=\S*G)(?=\S*X)'

在这里寻找：

  • ^匹配在行的开头
  • \s*+跳过（并且不回头）所有前导空格（如果有）
  • (?=\S*R)向前查看此位置是否有R以下任意数量的非空白字符。
  • (?=\S*E\S*E)向前查看同一位置的非空白Enon-whitespaces E。
  • 你明白了。

答案4

这里有awk一个函数，可以计算任何单词的字符数，并首先使用该函数来处理查询单词（“REGEX”），然后处理输入的第一个字段中的每个单词。然后，它检查第一个字段单词中的字符数是否足以生成查询单词，如果是，则打印该单词。

awk -v word="REGEX" '
    function calc(w,a) {
        for (i = 1; i <= length(w); ++i) a[substr(w,i,1)]++
    }
    BEGIN {
        # Character frequencies of the query word are stored in q.
        calc(word,q)
    }
    {
        # Get character frequencies for $1 and see if any
        # frequency in q are higher. If so, next.
        delete f; calc($1,f)
        for (ch in q) if (f[ch] < q[ch]) next
        print $1
    }' file

在问题的输入上运行它会输出NGNAEAREAX.

这里唯一的低效率是我们计算我们不感兴趣的字符的频率。

相关内容