🌞

Linux, shell 同字が2回以上繰返(連続)した文字列を含む行をgrep

に公開
Linux
shell
連続文字
文字繰返し
tech

Linux, shell 同字が2回以上繰返(連続)した文字列を含む行をgrep

2024-08-11

(1).何がしたかったか

  • textファイル(文献)の中で、繰返して(連続して)使用されている「字」をgrepしたかった。
桃之夭夭　灼灼其華
之子于歸　宜其室家

このような羅列が6000行もあり、繰返して(連続して)使用されている「字」を知りたかった。この例なら「夭夭」「灼灼」

(2).結論

  • できた。
    • grep でいける
    • sed でもいける

(3).環境

  • Ubuntu 22.04
  • GNU grep 3.7
  • GNU sed 4.8

(4).grepで行マッチ

$ grep -E '(.)\1{1,}'

できた。繰り返しが2文字以上。

ファイル例

a.txt
《關雎》
關關雎鳩
在河之洲
窈窕淑女
君子好逑
參差荇菜
左右流之
窈窕淑女
寤寐求之
求之不得
寤寐思服
悠哉悠哉
輾轉反側
參差荇菜
左右采之
窈窕淑女
琴瑟友之
參差荇菜
左右芼之
窈窕淑女
鍾鼓樂之

$ grep -E '(.)\1{1,}' a.txt
關關雎鳩

繰返しが3文字以上にマッチなら、

$ grep -E '(.)\1{2,}'

だね。

(5).sedでもいけるのかも

grep でできるなら sed ででけるのではないか？

$ sed -r -e 's@(.)\1{1,}@\n＞ \1\n@g'

 ︙
＞ 字
 ︙

繰返し部分を
改行 ＞ 字 改行
に変更。いけた。
加工しやすいパターンにすれば、抽出しやすくなる。

幸せだ。

$ sed -r -e 's@(.)\1{1,}@\n＞ \1\n@g' a.txt
《關雎》

＞ 關
雎鳩

sed オプションの順番注意

OK : sed -r -e
OK : sed -re
BAD: sed -er
BAD: sed -e -r

(6).他

grepもsedも色々できるね〜

以上

my 記事

@他の記事

Discussion