ubuntu - 查找同一字符串多次出现的情况

Question

在一系列文件中，我想查看哪一行同一个单词至少出现 4 次。这个词可以是任何词。

所以输入:

a a a b b e e eo o o o p p p y y yw r r r u u i i o o rx x o o i i p p z z y y

Output:

o o o o p p p y y yw r r r u u i i o o r

What I have tried at the moment is to make sure that sentences are put separate, ready to be processed basically.

cat * |
    tr '\n' ' '|
    sed 's/[.!?;"]/ & /g' |
    sed 's/[.!?]/&\n/g'|
    grep -E -w '\b([[:alnum:]]*)\{4*\}\b'

但是我的 grep 没有得到任何结果，那么我如何才能让 Grep 只打印出包含至少出现 4 次的单词的所有句子？

Answer 1

通过 GNU grep，您可以使用 PCRE 正则表达式，例如

grep -P '\b(\w+)\b(.*\b\1\b){3}'

请参阅regex demo .

在 Ubuntu 18.04.4 LTS 中测试:

详细信息

• \b(\w+)\b - 整个单词(在第 1 组中捕获)(\b 是单词边界，\w code> 匹配字母、数字或下划线)
• (.*\b\1\b){3} - 任意文本出现 3 次 ({3})，后跟与组 1 中相同的值(因为 \1 是对第 1 组值的内联反向引用)作为整个单词(再次使用 \b 单词边界。)