提取仅具有重复字符集2-4次的单词

Question

示例输入：

123123123 aaaaa  abababab  aaab baaa abcde1abcde1
aaaaaa 1212121212

预期产出：

123123123
abababab
abcde1abcde1
aaaaaa

这是我尝试过的：

egrep '(.)\1\1{2,4}' test

Answer 1

假设您的grep版本支持-o和-w选项

  

-o， - 仅匹配             仅打印匹配行的匹配（非空）部分，每个此类部分位于单独的输出上             线。

     

-w， - word-regexp             仅选择包含构成整个单词的匹配项的行。测试是匹配的             substring必须位于行的开头，或者前面是非单词构成字符。             同样，它必须位于行的末尾或后跟非单词构成字符。             单词构成字符是字母，数字和下划线。

据我所知，

egrep已弃用且grep -E等效

向OP的尝试添加-o选项，以及-w以避免匹配单词的部分

$ grep -owE '(.)\1\1{2,4}' ip.txt
aaaaa
aaaaaa

更改正则表达式

$ grep -owE '(.{1,})\1{1,3}' ip.txt
123123123
abababab
abcde1abcde1
aaaaaa

• .{1,}要重复的一个或多个字符
• \1{1,3}最多4次，所以我们需要再次匹配至少一次，最多再次3次