bash - grep-为什么必须在反向引用周围有单词边界？

Question

我只是好奇为什么 grep 以这种方式匹配事物。

例如，假设我正在尝试查找在一个句子中出现两次的单词（而不是作为其他单词的一部分）。所以我试图找到如下行：

hello everybody hello

而不是像下面这样：

hello everybody hellopeople 

那么为什么以下 grep 表达式有效：

grep -E '(\<.*\>).*\<\1\>' file

而不是以下内容：

grep -E '(\<.*\>).*\1' file

我原以为第二个会起作用，因为单词边界（\< 和 \>）在第二个匹配的括号内，但事实并非如此。必须在反向引用周围设置单词边界似乎相当令人困惑，有人可以解释为什么 grep 以这种方式匹配行，或者可能进一步详细说明这个想法吗？

Answer 1

无法在捕获组中捕获零宽度断言/零长度匹配。\b or \< \>是零长度匹配。不能成组抓拍。与零宽度断言相同，例如向后/向前看。

例如：

((?<=#)\w+(?=#)).*\1

将匹配字符串

#hello# everybody hellofoo

PS您可能想要使用\w+而不是.*在您的单词边界内使用。

Answer 2

awk如果您没有得到任何好的解决方案，您可以像这样使用它来解决它grep。

awk '{for (i=1;i<=NF;i++) if (a[$i]++) print $i;delete a}'
hello

如果一个单词在一行中出现不止一次，打印它。