注意：我正在使用Cygwin。
将文件传入egrep命令以使用模式的速度非常慢（在第4个字匹配之后，我放弃了超过5分钟）。 我正在尝试运行的命令是：
cat words.txt | egrep ^"[A-Z]" | egrep -f words9.txt
words.txt 是一个字典（390K字）， words9.txt 是我创建的一个文件（36,148字），包含所有小写9个字母的单词 WORD.TXT 。 此命令应该找到任何包含来自 words9.txt 的9个字母单词的10个以上的字母单词。
我是regex和shell命令的新手，所以可能只是这个文件依赖是一种非常低效的方法，（必须为words.txt中的每个单词搜索36148个单词）。有没有更好的解决方法？
答案 0 :(得分：2)
如果words9.txt没有正则表达式，请尝试使用固定字符串搜索（fgrep或grep -F），而不是使用扩展正则表达式搜索（egrep）。
cat words.txt | egrep "^[A-Z]" | fgrep -f words9.txt
答案 1 :(得分：0)
所以你想改进egrep ^"[A-Z]" words.txt | egrep -f words9.txt
你的words9.txt 不是一个正则表达式模式的文件，它只是固定的字符串，因此将其视为（grep -F）通常要快得多，因为@KurzedMetal说。
请注意，如果其内容有近似重复的重叠，您可以通过构建正则表达式手动合并它们，这是您如何做到的：
awk 'length($0)==9' /usr/share/dict/words grep "^inter" | paste -sd ',' -给出：
interalar，interally，interarch，interarmy，interaxal，interaxis，跨行，椎间，intercale，intercalm，调解，拦截，城际，interclub，intercome，间作，intercurl，interdash，禁令，interdine，interdome，接口，干扰，交流，特福莱，interfold，interfret，混入，intergilt，共生，interhyal，插，interjoin，interknit，interknot，interknow，交错，互层，interlake，interlard，插页，行间，互连，互借，联锁，循环间，侵犯，插曲，intermaze ，intermeet，intermelt，土葬，相互啮合，intermine，内部构件，内科医生，节间，页间，interpave，interpeal，相互作用，interplea，极间，interpone，夹着，interpour，解释，interrace，interroad，interroom，interrule，中断，intersale，相交，INTERSHOP，intersole，intertalk，interteam，中耕，intertone，intertown，intertwin，因特瓦勒，intervary，intervein，干预，intervert，采访，interweld，interwind，interwish，字间，互通，interwove，interwrap，interzone`
inter(a(l(ar|ly)|r(ch|my)|x(al|is))|b(...)|c(...)|...)开头。我们正在实现从L到R的树结构（还有其他方法，但这是显而易见的方式）。测试它：grep "^inter" words9.txt | egrep '^intera(l(ar|ly)|r(ch|my)|x(al|is))'
interalar interally interarch interarmy interaxal interaxis
耶！但是，拥有固定字符串的简单列表可能仍然会更快。此外，这个正则表达式将更难维护，脆弱等。不可能轻松过滤或删除特定的字符串。无论如何，你明白了。 PS我确信有自动化工具可以为这些单词列表构建正则表达式。