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

Question

我想打印所有包含两个相同单词的句子。 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.

到目前为止，这是我的代码:

 #!/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(!这很重要)。如果我把它们分开，如何检查里面的每一个字？我需要使用 AWK。

这是我最新的想法:

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 足以做到这一点:

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 标志使得 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 标志抑制行尾的换行符，将其替换为 nul 字符。也就是说，grep 知道行尾在哪里，但将输入视为一大行。
• [^.?!]* 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，并将它们分组在正则表达式的第一组中。单词边界确保我们不仅匹配单词的结尾(感谢 123!)。
• \1 引用第一组，所以我们必须有两个相同的单词，用空格分隔
• [^.?!]*匹配句尾