Linux ubuntu awk。找到包含 2 个相同单词的句子，它们放在它们附近

Question

我想打印包含两个相同单词的所有句子。 句子以 结尾。或者 ？或！。

对于输入：

word ja ba word. Na Na word wdd? Nothing kkk
ok ok! word no this no word. ok ok. notok!

输出应该是：

Na Na word wdd?

Nothing kkk
ok ok!

ok ok.

这是我目前的代码：

 #!/bin/bash
if [ $# -eq 0 ]
 then
echo "No arguments"
 fi

if [[ -f $1 ]] #if its file
then

cat $1 | awk '{
for (i=1;i<=NF;i++)         
  {

}}'

fi

我不知道如何用 AWK 分隔完整的句子。我不能使用多文件分隔符（！它很重要）。如果我将它们分开，如何检查里面的每个单词？我需要使用 AWK。

这是我的最新想法：

cat $1 | awk  '{
 for (i=1;i<=NF;i++)         
  {
   a=0;
    if ($i ~ "\?$" || $i ~ "\!$" || $i ~ "\.$")          
    {

  #print $i;
      k='';

    for(j=$i; j!=$a; j--);
    {
      if( $j == $k)
        #print whole sentence

       $k=$j;

    }

    }
}}'

我找到了以?/./!结尾的单词，然后检查最后一句之前的所有单词

Answer 1

grep 就足够了：

grep -Pzo "[^.?!]*\b(\w+) \1[^.?!]*"

测试：

$ echo '''word ja ba word. Na Na word wdd? Nothing kkk  
ok ok! word no this no word. ok ok. notok!''' | grep -Pzo "[^.?!]*\b(\w+) \1[^.?!]*"  
Na Na word wdd  
Nothing kkk  
ok ok  
ok ok

解释：

• -o 标志使grep 只返回匹配的结果，而不是它出现的行
• -P 标志使grep 使用 PCRE 正则表达式
• -z 标志在行尾抑制换行符，用它代替 nul 字符。也就是说，grep 知道行尾在哪里，但会将输入视为一条大行。
• [^.?!]* 匹配句子的开头：它将匹配尽可能多的字符，但不匹配句子终止符 (.?!)
• \b(\w+) 匹配单词字符，并将它们分组到正则表达式的第一组。单词边界确保我们不仅匹配单词的结尾（感谢 123 ！）。
• \1 引用了第一组，所以我们必须有两个相同的单词，用空格隔开
• [^.?!]* 匹配句尾

Answer 2

gawk

$ awk -v RS='[!?.] +' '{for(i=1;i<NF;i++) if($i==$(i+1)) print $0 RT "\n"}' file

Na Na word wdd?

Nothing kkk
ok ok!

ok ok.

设置以[!?.] 和可选空格结尾的记录。遍历句子中的单词进行重复，打印带有匹配记录终止符的句子和句子之间的换行符。

这里是和这里文档相同的脚本

awk -v RS='[!?.] +' '{for(i=1;i<NF;i++) if($i==$(i+1)) print $0 RT "\n"}' << EOF
> word ja ba word. Na Na word wdd? Nothing kkk
> ok ok! word no this no word. ok ok. notok!
> EOF

应该给你

Na Na word wdd?

Nothing kkk
ok ok!

ok ok.