grep 命令中的哪种模式最多可以匹配每个字符一次？答案

【问题标题】：What pattern in a grep command will match each character at most once?grep 命令中的哪种模式最多可以匹配每个字符一次？
【发布时间】：2015-07-28 22:44:14
【问题描述】：

我想仅使用给定模式中的字母在文档中查找单词，但这些字母最多只能出现一次。假设 document.txt 由“abcd abbcd”组成哪种模式（以及编写这种模式涉及哪些概念）将返回“abcd”而不是“abbcd”？

【问题讨论】：

您需要更多示例来说明这个想法......您的示例输入中没有d。
哈，祝你好运。这非常不适合正则表达式。可以做到，但模式会很大。
@melpomene，也许你可以为这项任务推荐一个工具，或者解释为什么模式必须很大？
@DynoHongjun 谢谢，我修复了示例案例。

标签： regex grep

【解决方案1】：

您可以检查一个字符是否多次出现，然后否定结果（在您的源代码中）：

将文档拆分为单词
用([a-z])[a-z]*\1检查每个单词（匹配abbcd，但不匹配abcd）
否定结果

解释：

([a-z]) 匹配任何单个字符
[a-z]* 允许在上面匹配的字符之后没有或更多字符
\1 是对在 ([a-z]) 中找到的字符的反向引用

【讨论】：

【解决方案2】：

这里已经有了一些好的想法，但我想提供一个用 python 实现的示例。这不一定是最佳的，但它应该可以工作。用法是：

$ python find.py -p abcd < file.txt

而find.py的实现是：

import argparse
import sys
from itertools import cycle

parser = argparse.ArgumentParser()
parser.add_argument('-p', required=True)
args = parser.parse_args()

for line in sys.stdin:
    for candidate in line.split():
        present = dict(zip(args.p, cycle((0,)))) # initialize dict of letter:count
        for ch in candidate:
            if ch in present:
                present[ch] += 1 
        if all(x <= 1 for x in present.values()):
            print(candidate)

这可以满足您将模式中的每个字符最多匹配一次的要求，即它允许零匹配。如果您想将每个字符完全匹配一次，您可以将倒数第二行更改为：

        if all(x == 1 for x in present.values()):

【讨论】：

【解决方案3】：

Melpomene 是对的，正则表达式不是解决此任务的最佳工具。正则表达式本质上是一个finite state machine。在您的情况下，当前状态可以定义为字母表中每个字母的存在标志的组合。因此，正则表达式中的内部状态总数将为 2^N，其中 N 是允许的字母数。

定义此类正则表达式的最简单方法是列出可用字母的所有可能排列（并使用? 来消除列出较短序列的必要性）。对于三个字母 (a,b,c)，正则表达式看起来像：

a?b?c?|a?c?b?|b?a?c?|b?c?a?|c?a?b?|c?b?a?

四个字母 (a,b,c,d) 变得更长：

a?b?c?d?|a?b?d?c?|a?c?b?d?|a?c?d?b?|a?d?b?c?|a?d?c?b?|b?a?c?d?|b?a?d?c?|b?c?a?d?|b?c?d?a?|b?d?a?c?|b?d?c?a?|c?a?b?d?|c?a?d?b?|c?b?a?d?|c?b?d?a?|c?d?a?b?|c?d?b?a?|d?a?b?c?|d?a?c?b?|d?b?a?c?|d?b?c?a?|d?c?a?b?|d?c?b?a?

如您所见，不是那么方便。

没有正则表达式的解决方案取决于您的工具集。我会编写一个简单的程序，逐字处理输入文本。在单词BitSet 的开头创建，其中每个位代表所需字母表中对应字母的存在。在遍历单词时，如果与当前字母对应的位为零，则它变为一。如果出现已标记的位或字母不在字母表中，则跳过单词。如果单词被完全评估，那么它是“有效的”。

【讨论】：

【解决方案4】：

grep -Pwo '[abc]+' | grep -Pv '([abc]).*\1' | awk 'length==3'

地点：

第一个grep：一个由模式字母组成的单词……
第二个grep：...没有重复的字母...
awk: ...长度是字母的个数

【讨论】：