计算文本文件中模式的所有唯一实例

$ grep -E --only-matching '(X|Y)-[0-9]{4}' file.txt | sort | uniq

做诀窍。

请尝试以下命令：

$ grep -oE '(X|Y)-[0-9]{4}' file.txt | sort -u
X-2310
Y-0110

解释：

• -o仅输出线路的匹配部分。
• -E用于扩展正则表达式。
• (X|Y)-[0-9]{4}匹配以四位数字开头或后跟四位数字的任何字符串的正则表达式。X-Y-
• sort -u：这将对匹配项进行排序并过滤掉重复项，保留唯一项目。

一个想法：awk

awk '$2 ~ /^[XY]-[0-9]{4}:$/ && !seen[$2]++ { print substr($2,1,6) }' file.txt

哪里：

• 如果第二个字段的格式为 和 ...[XY]-####:
• 我们以前从未见过第二个字段（第二个字段用作数组的索引;我们第一次遇到这个测试，所以计算为“真”;连续的匹配有，所以是假的）seen[$2] == 0!0seen[$2] > 0!(1+)
• 剥离结肠print/substr()

这将生成：

X-2310
Y-0110

注意：这会在处理记录时生成输出;如果需要保证输出的顺序，则通过管道传递给sort

根据这个问题，我所理解的是：

从给定文件中找到所有以“X-”或“Y-”开头的唯一字符串，后跟 4 位数字。

我希望这能有所帮助：

grep -oE '\b[XY]-[0-9]{4}\b' file.txt | sort | uniq

解释：

格雷普

• -o 或 --only-matching :P rint 仅匹配行的匹配非空部分，使用
• -E 或 --extended-regexp ：将模式解释为扩展正则表达式 （ERE）

正则表达式：

• \b...\b :d消除文本的边界。
• [XY] ：X 或 Y 字符
• '-'：字符连字符“-”
• [0-9]{4} ： 任意长度的数字 4.

财政年度：

1. https://www.gnu.org/software/grep/manual/grep.html#grep-Programs
2. https://regexr.com/7n3ua

类似的想法，使用 as 分隔符awk:

awk -F '[ :]' '$2 ~ /[XY].*/&&!a[$2]++ {print $2}'

$ awk 'match($2,/^[XY]-[0-9]{4}:$/) && !seen[$2]++ && sub(/:$/,"",$2) && $0=$2' file 
X-0101
Y-9410
Y-5751
X-2310
Y-0110

使用您展示的示例和尝试，请尝试以下，从 Mark 的回答中汲取灵感。简单的解释是：

• 检查条件，如果第 2 个字段等于^[XY]-[0-9]{4}:$
• 并确保数组之前没有任何当前值 $2，然后打印当前行的 $2。seen

awk '
$2 ~ /^[XY]-[0-9]{4}:$/ && !seen[$2]++{
  sub(/:$/,"",$2)
  print $2
}
'  Input_file

我通常会去这个或其他任何涉及字段匹配的东西，但只是为了完整性：使用 GNU for 和 plus ：awksed-E\s/\Ssort

$ sed -En 's/^\S+\s+([XY]-[0-9]{4}):(\s.*)?$/\1/p' file | sort -u
X-2310
Y-0110

在没有外部程序的 Bash 中：

declare -Ai matches=();
while IFS= read -r line; do
  read -ra tokens <<< "$line"
  for token in "${tokens[@]:1}"; do
    [[ "$token" = [XY]-[0-9][0-9][0-9][0-9] ]] && ((++matches["$token"]))
  done
done < /path/to/input.txt
printf '%s\n' "${!matches[@]}"