Question

我的档案是：

ab  12ab 1cd uu 88 ab 33 33 1 1
ab cd uu  88 88  33 33 33 cw ab

我需要提取出现2-4次的单词和数字.- {2,4} 我尝试过很多正则表达式，甚至是regex101。我真的无法理解什么不起作用。

这是我到目前为止最接近的：

egrep -o '[\w]{2,4}' A1

Answer 1

原生grep不会支持\w和{}符号。你必须使用扩展的正则表达式。

使用

-E选项为，

-E， - extended-regexp 将模式解释为扩展正则表达式（即强制grep表现为egrep）。

也可以使用

-w匹配单词，以便匹配整个单词而不是部分单词。

-w， - word-regexp 搜索表达式为单词（好像被[[:<:]]' and [[：＆gt;：]]'包围;请参阅re_format（7））。

示例

$ grep -Ewo "\w{2,4}" file ab 12ab 1cd uu 88 ab 33 33 ab cd uu 88 88 33 33 33 cw

注意

您可以通过提供cat作为file的输入来取消使用不必要的grep。

Answer 2

你很亲密;在字符类符号[]中，特殊符号\w按字面意思处理，从[]中删除：

egrep -o '\w{2,4}'

同样egrep不赞成使用grep -E，并且您不需要cat作为grep将文件作为参数：

grep -Eo '\w{2,4}' file.txt

Answer 3

我会使用awk：

awk '{for(i=1;i<=NF;i++)a[$i]++}
     END{for(x in a)if(a[x]>1&&a[x]<5)print x}' file

它会扫描整个文件，找出此范围内出现的字词（在文件中）[2,4]

输出是：

uu
ab
88
1

Answer 4

使用AWK，此解决方案计算每行不是每个文件的单词实例：

awk '{delete array; for(i = 1; i <= NF; i++) array[$i]+=1; for(i in array) if(array[i] >= 2 && array[i] <= 4) printf "%s ", i; printf "\n" }' input.txt

删除以清除每个新行的数组。使用字段作为数组索引的哈希值，并将其值增加1。使用介于2和4之间的值打印索引（字段）。

输出：

ab 1 33 
ab 88 33

Answer 5

Perl实现的文件足够小，可以将其内容作为单个字符串处理：

$/ = undef;
$_ = <>;
@_ = /(\b\w+\b)/gs;

my %h; $h{$_}++ for @_;

for (keys %h) {
  print "$_\n" if $h{$_} >= 2 and $h{$_} <= 4;
}

将其保存到script.pl并运行：

perl script.pl < file

当然，您也可以通过-e选项传递代码：perl -e 'the code' < file。

输入

ab  12ab 1cd uu 88 ab 33 33 1 1
ab cd uu  88 88  33 33 33 cw ab

输出

88
uu
ab
1

输出中没有33，因为它在输入中出现了5次。

代码将slurp mode中的文件读入默认变量（$_），然后收集所有带有字边界的字（\w）到@_数组。然后它计算文件中每个单词出现的次数，并将结果存储到%h哈希中。最后一个块仅打印出2,3或4次，不多也不少的项目。

注意，在Perl中，您应始终use strict;和use warnings;以便在早期阶段发现问题。

如何grep 2到4次出现的任何单词？

5 个答案: