Question

我可以用什么模式找到一行中出现n长度的单词？

我想到了：

grep -ni ' '[a-z][a-z][a-z][a-z][a-z][a-z]' ' filename

但是这并没有考虑在行的开头或结尾匹配一个6个字母的单词。有没有办法匹配space或beginning/end of a line？还有一种方法可以查找模式[a-z] n次，而不是输入n次吗？

我知道^用于行首，$用于行尾。

例如我想要的一些伪脚本：

#match a word of n length(n consecutive letters)
grep -ni ^ OR [:space:][a-z]{n consecutive times}[:space:] OR $ filename

Answer 1

GNU grep具有词头和词尾匹配运算符\<和\>

结合扩展正则表达式中的{N}重复运算符，这意味着您可以使用

egrep -i '\<[a-z]{6}\>'

或者，稍微阅读但可能更便携，您可以使用替换运算符|作为“OR”并将它们与括号分组：

egrep -i '(^|[[:space:]])[a-z]{6}([[:space:]]|$)'

您应该了解这些方法之间的行为差异。字符边界出现在标点符号，而不仅仅是空格，因此如果您使用\<和\>（或者perl-ish \b和\b这些是GNU grep最近添加的内容），然后你还会匹配一个句子末尾的单词，然后是一个点而不是一个空格。

这可能会很好，但不好的一面是你也会匹配wouldn't，因为wouldn是6个字母而撇号是字边界。

Answer 2

这个正则表达式：

\b\w{6}\b

...匹配单词边界（可以是[a-z]等单词字符与' '之类的非单词字符或行的开头或结尾之间的过渡，后跟六个单词字符，后跟另一个单词边界。您需要egrep或grep -E，因为{6}是扩展的正则表达式语法：

egrep -ni '\b\w{6}\b' filename

如果您不想匹配数字和下划线（\w这样做），您可以将[a-z]替换为\w。

Answer 3

大多数grep实现都有一个-w选项，无论匹配的子字符串是在行的开头，还是在非单词构成字符之前，或者在行的末尾或后跟非单词组成性质。单词构成字符是字母，数字和下划线，至少在我正在使用的grep的实现中。

所以：

$ egrep -wi '[a-z]{6}' filename

这可以避免您需要单词边界，根据我的经验，grep并不总是支持。（-i选项使匹配不区分大小写。）

我们使用egrep代替grep来评估“扩展”正则表达式而不是“基本”正则表达式。几乎每个grep都会理解这两个。如果您对可移植性感兴趣，请避免使用PCRE（grep -P）。