适用于重叠模式的 Grep

Question

我想计算一个非常大的文件中重复模式的数量aa。所以我使用以下命令：

grep -o "aa" ./bwt/dblp.txt | wc -l

这是有效的，除非我有一个字符串，例如aaa，然后它仅将其匹配为 1 个模式。在我的用例中，我需要前 2 as 表示一个模式，但最后 2 as 是第二个模式（这意味着中间的afromaaa可以重复使用）。

我怎样才能实现这个目标？

请注意，该文件非常大，因此如果可能的话，“优化”方式会更好。无论如何，任何可行的解决方案显然都是受欢迎的。

Answer 1

为此，您需要 Perl 正则表达式。使用grep支持该-P标志的 a ：

grep -oP '(?<=a)a' file | wc -l

这是一种积极的回顾。a它匹配前面有另一个 的单个a。

如果您愿意perl（或者您grep不支持该-P标志）：

perl -ne 'while(m/(?<=a)a/g){$a++}END{print "$a\n"}' file

例子：

$ cat file
aa
aaa
aaaa

第一行应该是 1 个匹配，第二行应该是两个，第三行应该是一棵树；总共6：

$ grep -oP '(?<=a)a' file | wc -l
6