grep 只能显示匹配搜索模式的单词吗？

Posted 2023-02-21

【中文标题】grep 只能显示匹配搜索模式的单词吗？

【英文标题】：Can grep show only words that match search pattern?

【发布时间】：2010-12-05 12:37:14

【问题描述】：

有没有办法让 grep 从匹配搜索表达式的文件中输出“单词”？

如果我想在多个文件中找到“th”的所有实例，我可以这样做：

grep "th" *

但输出将类似于（粗体是我的）；

some-text-file : the 猫坐在 the 垫子上 some-other-text-file : the quick brown fox 另一个文本文件：我希望 this 解释它彻底

我希望它使用相同的搜索输出的是：

the
the
the
this
thoroughly

这可以使用 grep 吗？还是使用其他工具组合？

【问题讨论】：

Dan Midwood 解决方案完美运行，值得称赞。

有没有一种方法可以在不改变行的情况下打印那些匹配的单词。而是匹配的字符串应该保持在同一行？

【参考方案1】：

只需awk，无需组合工具。

# awk 'for(i=1;i<=NF;i++)if($i~/^th/)print $i' file
the
the
the
this
thoroughly

【参考方案2】：

试试grep -o：

grep -oh "\w*th\w*" *

编辑：与菲尔的评论相匹配。

来自the docs：

-h, --no-filename
    Suppress the prefixing of file names on output. This is the default
    when there is only  one  file  (or only standard input) to search.
-o, --only-matching
    Print  only  the matched (non-empty) parts of a matching line,
    with each such part on a separate output line.

【讨论】：

@user181548, grep -o 选项仅适用于 GNU grep。因此，如果您不使用 GNU grep，它可能不适合您。

@A-B-B 这取决于您是否要显示匹配文件的名称。我不确定它在什么条件下显示和不显示，但我知道当我在多个目录中使用 grep 时，它确实显示了所有匹配文件的完整文件路径，而使用 -h 它只显示匹配的单词没有任何关于它是哪个文件的说明。所以，为了匹配原始问题，我认为在某些情况下是必要的。

我需要解释"\w*th\w*" * 的含义，所以我想我会发布。 \w 是 [_[:alnum:]]，所以这基本上匹配任何包含 'th' 的“单词”（因为 \w 不包括空格）。引用部分后面的 * 是一个全局文件（即匹配此目录中的所有文件）

\w 通常不能移植到grep -E；为了获得适当的可移植性，请改用 POSIX 字符类名称 [[:alnum:]]（如果您真的也想要下划线，则使用 [_[:alnum:]]；如果您的平台有，请尝试 grep -P）。

@A-B-B 鉴于 OP 显示的所需输出，我会说 -h 是完全必要的.. ?

【参考方案3】：

您可以像这样将 grep 输出通过管道传输到 Perl：

grep "th" * | perl -n -e'while(/(\w*th\w*)/g) print "$1\n"'

【讨论】：

不会给出正确的结果。此外，如果使用 Perl，则无需使用 grep。用 Perl 做所有事情。

感谢您指出错误，ghostdog74。我已将其更改为打印行上的所有单词，而不仅仅是第一个。

就像我说的，grep 不是必需的。 perl -n -e'while(/(\s+th\w*)/g) 打印 "$1\n"' 文件

由您决定。我只是说明一点。如果没有必要，请不要这样做。那个多余的“|”将花费您一个流程。

在 Perl 5.10 或更高版本中： perl -nE '@a = /(regexp)/ig;说加入“\n”，@a'

【参考方案4】：

您可以将空格转换为换行符，然后 grep，例如：

cat * | tr ' ' '\n' | grep th

【讨论】：

不需要猫。 tr ' ' '\n'

这不起作用。输出仍然包含文件名和文件中包含匹配项的整行。无论如何，提供的其他解决方案之一有效。感谢您的意见。

@ghostdog74：好点，虽然如果你有多个文件，你需要使用 cat。 @Neil Baldwin：你确定你输入正确吗？当只有一个输入文件（本例中为标准输入）时，grep 不会打印文件名。

@Adam - 是的，对不起，亚当，它适用于一个文件，但不适用于多个文件。

@ghostdog74 如果慢的部分是因为tr，他可以先做grep，所以tr将只应用于匹配行：grep th filename | tr ' ' '\n' | grep th

【参考方案5】：

您也可以尝试 pcregrep。 grep 中还有一个-w 选项，但在某些情况下它不能按预期工作。

来自Wikipedia：

cat fruitlist.txt
apple
apples
pineapple
apple-
apple-fruit
fruit-apple

grep -w apple fruitlist.txt
apple
apple-
apple-fruit
fruit-apple

【参考方案6】：

cat *-text-file | grep -Eio "th[a-z]+"

【讨论】：

或者只是 grep -Eio "th[a-z]+" 文件名

或许也可以看看Useless use of cat?

【参考方案7】：

我对 awk 难以记忆的语法不满意，但我喜欢使用一个实用程序来做到这一点的想法。

似乎 ack（如果您使用 Ubuntu，则为 ack-grep）可以轻松做到这一点：

# ack-grep -ho "\bth.*?\b" *

the
the
the
this
thoroughly

如果你省略 -h 标志，你会得到：

# ack-grep -o "\bth.*?\b" *

some-other-text-file
1:the

some-text-file
1:the
the

yet-another-text-file
1:this
thoroughly

---

作为奖励，您可以使用--output 标志来使用我发现的最简单的语法来执行更复杂的搜索：

# echo "bug: 1, id: 5, time: 12/27/2010" > test-file
# ack-grep -ho "bug: (\d*), id: (\d*), time: (.*)" --output '$1, $2, $3' test-file

1, 5, 12/27/2010

【参考方案8】：

$ grep -w

摘自 grep 手册页：

-w: 仅选择那些包含构成整个单词的匹配项的行。测试是匹配的子字符串必须要么在行首，要么前面有一个非单词组成字符。

【讨论】：

这仍然会打印包含匹配项的整行。它限制了实际匹配，以便 the 不再匹配，例如“这些”或“洗澡”。

【参考方案9】：

grep 命令只用于匹配和 perl

grep -o -P 'th.*? ' filename

【讨论】：

只显示匹配组怎么样？

这不起作用；它只会找到th，因为您要求使用最短的通配符重复。

@tripleee - 它不会有这个问题，因为正则表达式的末尾包含一个空格。但是，它会遗漏后面没有空格的单词，例如在行尾。

【参考方案10】：

我遇到了类似的问题，正在寻找 grep/pattern 正则表达式和“找到的匹配模式”作为输出。

最后我使用了 egrep（grep -e 或 -G 上的相同正则表达式没有给我与 egrep 相同的结果）和选项 -o

所以，我认为这可能类似于（我不是正则表达式大师）：

egrep -o "the*|this1|thoroughly1" filename

【讨论】：

应该删除无用的1 量词。或者如果你想保持一致，t1h1e1 等。

可以同行打印吗？

【参考方案11】：

交叉分发安全答案（包括 windows minGW？）

grep -h "[[:alpha:]]*th[[:alpha:]]*" 'filename' | tr ' ' '\n' | grep -h "[[:alpha:]]*th[[:alpha:]]*"

如果您使用的是不包含 -o 选项的旧版本的 grep（如 2.4.2），请使用上述版本。否则使用下面更易于维护的版本。

Linux 跨发行版安全答案

grep -oh "[[:alpha:]]*th[[:alpha:]]*" 'filename'

总结一下：-oh 输出与文件内容（而不是文件名）匹配的正则表达式，就像您期望正则表达式在 vim/etc 中的工作方式一样...您会使用什么词或正则表达式寻找然后，由你决定！只要您仍然使用 POSIX 而不是 perl 语法（请参阅下文）

More from the manual for grep

-o      Print each match, but only the match, not the entire line.
-h      Never print filename headers (i.e. filenames) with output lines.
-w      The expression is searched for as a word (as if surrounded by
         `[[:<:]]' and `[[:>:]]';

---

原来的答案并不适合所有人的原因

\w 的用法因平台而异，因为它是扩展的“perl”语法。因此，那些仅限于使用 POSIX 字符类的 grep 安装使用 [[:alpha:]]，而不是其 perl 等效的 \w。 See the Wikipedia page on regular expression for more

最终，无论 grep 的平台（是原始平台）如何，上面的 POSIX 答案都会更加可靠

对于不带-o选项的grep的支持，第一个grep输出相关行，tr将空格分割成新行，最后的grep只过滤相应的行。

（PS：我知道现在大多数平台都会为 \w....

感谢@AdamRosenfield 回答的“-o”解决方法

【讨论】：

-o 仅在 GNU grep 中工作怎么样（正如 ksinkar 在对已接受答案的评论中提到的那样）？

@Brilliand 嗯，我很难找到不支持'-o'的 linux 实现，如果我知道要检查哪个平台，我可以寻找解决方法。

@pico -o 选项在与 git 包 (minGW?) 一起安装的 windows grep 中不存在："c:\Program Files (x86)\Git\bin\grep" --version grep (GNU grep) 2.4.2

@BrucePeterson 我在 AdamRosenfield 解决方法中添加了 -o 的答案：帮我检查 windows git 是否包含 tr / sed 及其版本。所以我可以检查这个解决方法是否有效

@pico：对于 GIT：GNU sed 版本 4.2.1，tr (GNU textutils) 2.0

【参考方案12】：

要搜索以“icon-”开头的所有单词，以下命令可以完美运行。我在这里使用Ack，它与 grep 类似，但具有更好的选项和更好的格式。

ack -oh --type=html "\w*icon-\w*" | sort | uniq

【参考方案13】：

这比你想象的要简单。试试这个：

egrep -wo 'th.[a-z]*' filename.txt #### (Case Sensitive)

egrep -iwo 'th.[a-z]*' filename.txt  ### (Case Insensitive)

在哪里，

 egrep: Grep will work with extended regular expression.
 w    : Matches only word/words instead of substring.
 o    : Display only matched pattern instead of whole line.
 i    : If u want to ignore case sensitivity.

【讨论】：

这似乎并没有比 4 年前的现有答案添加任何内容。

@tripleee 我发现我的方法更好更简单，所以我发布了这个。

【参考方案14】：

ripgrep

这里是使用ripgrep的例子：

rg -o "(\w+)?th(\w+)?"

它将匹配所有匹配th的单词。

【讨论】：

虽然此链接可能会回答问题，但最好在此处包含答案的基本部分并提供链接以供参考。如果链接页面发生更改，仅链接答案可能会失效。 - From Review