我需要在 unix（bash）中使用 egrep（或 grep -e）在文件中查找重复的单词
我试过了：
egrep "(\<[a-zA-Z]+\>) \1" file.txt
和
egrep "(\b[a-zA-Z]+\b) \1" file.txt
但由于某种原因，这些认为事情不是重复的！例如，它认为字符串“word words”符合条件，尽管存在单词边界条件\> or \b。
问问题
12739 次
4 回答
6
\1匹配第一次捕获匹配的任何字符串。这与匹配与第一次捕获匹配的相同模式不同。因此，在单词边界上匹配的第一个捕获不再相关，即使\b在捕获括号内。
如果您希望第二个实例也位于单词边界上，则需要这样说：
egrep "(\b[a-zA-Z]+) \1\b" file.txt
这与：
egrep "\b([a-zA-Z]+) \1\b" file.txt
模式中的空格强制使用单词边界，因此我删除了多余\b的 s。如果您想更明确，可以将它们放入：
egrep "\<([a-zA-Z]+)\> \<\1\>" file.txt
于 2015-10-28T16:45:11.957 回答
3
我用
pcregrep -M '(\b[a-zA-Z]+)\s+\1\b' *
检查我的文件是否存在此类错误。如果重复的单词之间有换行符，这也有效。
解释：
-M, --multiline在多行模式下运行（如果重复的单词之间有换行符，这一点很重要。[a-zA-Z]+: 匹配单词\b: 字边界，见教程(\b[a-zA-Z]+)将它分组\s+匹配至少一个（但根据需要更多）空白字符。这包括换行符。\1：匹配第一组中的任何内容
于 2017-01-12T11:07:53.133 回答
1
这是预期的行为。看看怎么man grep说：
反斜杠字符和特殊表达式
符号 \< 和 > 分别匹配单词开头和结尾的空字符串。符号 \b 匹配单词边缘的空字符串，而 \B 匹配不在单词边缘的空字符串。符号 \w 是 [ [:alnum:]] 的同义词，\W 是 [^ [:alnum:]] 的同义词。
然后在另一个地方我们看到“单词”是什么：
匹配控制
构成单词的字符是字母、数字和下划线。
所以这将产生：
$ cat a
hello bye
hello and and bye
words words
this are words words
"words words"
$ egrep "(\b[a-zA-Z]+\b) \1" a
hello and and bye
words words
this are words words
"words words"
$ egrep "(\<[a-zA-Z]+\>) \1" a
hello and and bye
words words
this are words words
"words words"
于 2015-10-28T16:48:23.423 回答
-1
egrep "(\<[a-zA-Z]+>) \<\1\>" file.txt
解决问题。
基本上，您必须告诉 \1 它也需要保持在单词边界内
于 2015-10-28T17:32:41.980 回答