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
但出于某种原因，这些人认为事情不是重复的！
例如，尽管存在单词边界条件\> 或\b，但它认为字符串“word words”符合条件。
【问题讨论】：
标签： regex bash unix grep word-boundary
\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，因此我删除了多余的\bs。如果您想更明确，可以将它们放入：
egrep "\<([a-zA-Z]+)\> \<\1\>" file.txt
【讨论】：
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tutorial
(\b[a-zA-Z]+)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【讨论】：
这是预期的行为。看看man grep 怎么说：
反斜杠字符和特殊表达式
符号 \ 分别匹配空字符串 单词的开头和结尾。符号 \b 与空字符串匹配 单词的边缘，并且 \B 匹配空字符串，前提是它不是 在一个词的边缘。符号 \w 是 [[:alnum:]] 和 \W 是 [^[:alnum:]] 的同义词。
然后在另一个地方我们看到“单词”是什么：
匹配对照
单词组成字符是字母、数字和下划线。
所以这就是会产生的结果：
$ 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"
【讨论】：
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
【讨论】：
\> 和 > 不同。 （除了错字之外，它与接受的答案有何不同？）另外，请学习如何格式化代码，以便 < 和 > 不会被解释为 HTML。见