Question

这就是我想要做的事情：

在文档中搜索包含RegEx的模式，然后检查这一确切模式是否在一行内存在两次。

Content of file.xml:
(some code) "testen"  (more code)  >testete<
(some code) "bleiben" (more code)  >bleiben<
(some code) "stehen"  (more code)  >stand<
(some code) "hängen"  (more code)  >hängten<
...

现在我要检查.*en并检查（确切）相同的单词是否在该行中出现两次。所以结果应该是：

bleiben

因为Testen！= testete，stehen！= stand，hängen！=hängten

有办法做到这一点吗？

Answer 1

您可以使用以下模式在第一个grep行处理此搜索：.*en.*en：

grep .*en.*en your_file

这将仅输出en出现两次的行。

如果您需要以两个背靠背grep来处理它，您仍然可以在管道版本中使用相同的命令：

grep .*en your_file | grep .*en.*en

此外，如果您想增加同一行中的实例数，可以利用grep的{{1}}选项并使用Perl正则表达式：

-P

有了这个，您只需将grep -P "(.*en){2}" your_file更改为您希望它出现在一行中的多个实例，它应该可以正常工作。

编辑（查找完全相同的字两次的行）

如果没有可以定义单词边界的扩展模式，这很困难 - 而且您的示例输出实际上没有多大帮助。为了找到一个直截了当的例子，我们可以假设一个“单词”是任何以{2}结尾的字母字符串a-z。您可以根据需要自定义此边界：

en

这将打印任何一行中以grep -P "([a-z]+en).*\1" your_file结尾的单词，该行位于该行的其他地方（en）。

值得一提的是，这与上面提到的词边界问题有关。在“bleiben”和“bleiben”的背景下，它们是平等的。但是，在“ben”和“bleiben”的上下文中，这个模式也匹配，因为它会看到从“bleiben”结束“ben”作为匹配模式（从而使用“ben”= “奔”）。如果这是不可接受的，你将不得不建立一个更严格的字边界（即 - 不允许特殊字符？）。

Answer 2

这是使用GNU awk的一种方式。我假设两次你的意思是两次或更多次。像：

一样运行

awk -f script.awk file.xml

script.awk的内容：

/.*en/ { 
    gsub(/["<>]/, " ")
    for (i=1; i<=NF; i++) {
        if ($i ~ /.*en/) {
            array[$i]++
        } 
    }
}
{
    for (j in array) {
        if (array[j]>=2) {
            print j
        }
    }
    delete array
}

或者，这是单行：

awk '/.*en/ { gsub(/["<>]/, " "); for (i=1; i<=NF; i++) if ($i ~ /.*en/) array[$i]++ } { for (j in array) if (array[j]>=2) print j; delete array }' file.xml

Answer 3

使用sed：

sed -rn 's/.*\b(\w+en)\b.*\b\1\b.*/\1/gp' input_file

Answer 4

您可以使用grep的-o选项仅返回该行的匹配部分。

这是一个链接，表明awk可能是一个更好的工具：

http://compgroups.net/comp.lang.awk/match-0-or-twice-the-same-word/197049

Answer 5

使用sed

sed -n  's/[^"]\+"\([^"]\+\)"[^>]\+>\1</\1/p' FileName.txt

输出

bleiben

GREP和RegEx - 找到模式并再次查找

5 个答案: