Как я могу получить строки, где определенное слово повторяется ровно N раз?

Для этого дан вход:

How to get This line that this word repeated 3 times in THIS line?
But not this line which is THIS word repeated 2 times.
And I will get This line with this here and This one
A test line with four this and This another THIS and last this

Я хочу этот вывод:

How to get This line that this word repeated 3 times in THIS line?
And I will get This line with this here and This one

Получение целых строк содержит только три повторяющихся слова «это». (совпадение без учета регистра)

В perl, заменить thisна себя без учета регистра и посчитать количество замен:

$ perl -ne 's/(this)/$1/ig == 3 && print' <<EOF
How to get This line that this word repeated 3 times in THIS line?
But not this line which is THIS word repeated 2 times.
And I will get This line with this here and This one
A test line with four this and This another THIS and last this
EOF
How to get This line that this word repeated 3 times in THIS line?
And I will get This line with this here and This one

Вместо этого используется количество совпадений :

perl -ne 'my $c = () = /this/ig; $c == 3 && print'

Если у вас есть GNU awk, очень простой способ:

gawk -F'this' -v IGNORECASE=1 'NF == 4'

Количество полей будет на один больше количества разделителей.

Предполагая, что ваш исходный файл - tmp.txt,

grep -iv '.*this.*this.*this.*this' tmp.txt | grep -i '.*this.*this.*this.*'

Левый grep выводит все строки, которые не имеют 4 или более регистрозависимых вхождений «this» в tmp.txt.

Результат передается в правый grep, который выводит все строки с 3 или более вхождениями в левом результате grep.

Обновление: благодаря @Muru, вот лучшая версия этого решения,

grep -Eiv '(.*this){4,}' tmp.txt | grep -Ei '(.*this){3}'

замените 4 на n + 1 и 3 на n.

В Python это сделало бы работу:

#!/usr/bin/env python3

s = """How to get This line that this word repeated 3 times in THIS line?
But not this line which is THIS word repeated 2 times.
And I will get This line with this here and This one
A test line with four this and This another THIS and last this"""

for line in s.splitlines():
    if line.lower().count("this") == 3:
        print(line)

выходы:

How to get This line that this word repeated 3 times in THIS line?
And I will get This line with this here and This one

Или для чтения из файла с файлом в качестве аргумента:

#!/usr/bin/env python3
import sys

file = sys.argv[1]

with open(file) as src:
    lines = [line.strip() for line in src.readlines()]

for line in lines:
    if line.lower().count("this") == 3:
        print(line)

• Вставьте скрипт в пустой файл, сохраните его как find_3.py, запустите его командой:

  python3 /path/to/find_3.py <file_withlines>
  

Конечно, слово «это» может быть заменено любым другим словом (или другой строкой или разделом строки), а число вхождений в строке может быть установлено на любое другое значение в строке:

    if line.lower().count("this") == 3:

редактировать

Если файл будет большим (сотни тысяч / миллионы строк), приведенный ниже код будет быстрее; он читает файл в строке вместо того, чтобы загружать файл сразу:

#!/usr/bin/env python3
import sys
file = sys.argv[1]

with open(file) as src:
    for line in src:
        if line.lower().count("this") == 3:
            print(line.strip())

Вы можете поиграть немного с awkэтим:

awk -F"this" 'BEGIN{IGNORECASE=1} NF==4' file

Это возвращает:

How to get This line that this word repeated 3 times in THIS line?
And I will get This line with this here and This one

объяснение

• Что мы делаем, так это определяем разделитель полей для thisсебя. Таким образом, в строке будет столько полей +1, сколько раз thisпоявится слово .

• Чтобы сделать его нечувствительным к регистру, мы используем IGNORECASE = 1. См. Ссылку: Чувствительность к регистру при сопоставлении .

• Тогда нужно просто сказать, NF==4чтобы все эти строки были thisровно трижды. Больше кода не требуется, поскольку {print $0}(то есть печать текущей строки) - это поведение по умолчанию, awkкогда выражение вычисляется в True.

Предполагая, что строки хранятся в файле с именем FILE:

while read line; do 
    if [ $(grep -oi "this" <<< "$line" | wc -w)  = 3 ]; then 
        echo "$line"; 
    fi  
done  <FILE

Если вы в Vim:

g/./if len(split(getline('.'), 'this\c', 1)) == 4 | print | endif

Это будет просто печатать согласованные линии.

Рубиновое однострочное решение:

$ ruby -ne 'print $_ if $_.chomp.downcase.scan(/this/).count == 3' < input.txt                                    
How to get This line that this word repeated 3 times in THIS line?
And I will get This line with this here and This one

Работает довольно просто: мы перенаправляем файл в stdin ruby, ruby ​​получает строку из stdin, очищает ее с помощью chompи downcaseи scan().countдает нам количество вхождений подстроки.