所有 10 个字母单词的正则表达式，具有独特的字母

Question

我正在尝试编写一个正则表达式，它将显示所有 10 个字符长的单词，并且没有一个字母重复。

到目前为止，我有

grep --colour -Eow '(\w{10})'

这是问题的第一部分。我将如何检查“唯一性”？我真的不知道，除此之外我需要使用反向引用。

Answer 1

grep -Eow '\w{10}' | grep -v '\(.\).*\1'

排除具有两个相同字符的单词。

grep -Eow '\w{10}' | grep -v '\(.\)\1'

排除具有重复字符的那些。

POSIXly：

tr -cs '[:alnum:]_' '[\n*]' |
   grep -xE '.{10}' |
   grep -v '\(.\).*\1'

tr通过将任何s非单词字符c序列（字母数字和下划线的补充）转换为换行符，将单词放在自己的行上。

或者用一个grep：

tr -cs '[:alnum:]_' '[\n*]' |
   grep -ve '^.\{0,9\}$' -e '.\{11\}' -e '\(.\).*\1'

（不包括少于 10 个和超过 10 个字符的行以及那些字符至少出现两次的行）。

grep只有一个（带有 PCRE 支持的 GNU grep 或pcregrep）：

grep -Po '\b(?:(\w)(?!\w*\1)){10}\b'

即，字边界 ( \b) 后跟 10 个字字符序列（前提是每个字边界后不跟有字字符序列和它们自己，使用负先行 PCRE 运算符(?!...)）。

我们很幸运它在这里工作，因为没有多少正则表达式引擎在重复部分内使用反向引用。

请注意（至少使用我的 GNU grep 版本）

grep -Pow '(?:(\w)(?!\w*\1)){10}'

不起作用，但是

grep -Pow '(?:(\w)(?!\w*\2)){10}'

do (as echo aa | grep -Pw '(.)\2') 这听起来像一个错误。

你可能想要：

grep -Po '(*UCP)\b(?:(\w)(?!\w*\1)){10}\b'

如果您想\w或\b将任何字母视为单词组件，而不仅仅是非 ASCII 语言环境中的 ASCII 字母。

另一种选择：

grep -Po '\b(?!\w*(\w)\w*\1)\w{10}\b'

这是一个单词边界（后面没有一个单词字符序列，其中一个重复的单词字符）后面是 10 个单词字符。

一个人可能会想到的事情：

• 比较区分大小写，因此Babylonish例如将被匹配，因为即使有两个Bs，一个小写和一个大写（用于-i更改它），所有字符都是不同的。
• 对于-w, \wand \b，一个单词是一个字母（ASCII 字符grep 目前仅适用于 GNU ，[:alpha:]如果使用-Pand则是您的语言环境中的字符类(*UCP)）、十进制数字或下划线。
• 这意味着c'est（根据单词的法语定义的两个单词）或it's（根据单词的某些英语定义的单词）或rendez-vous（根据单词的法语定义的单词）不被视为一个单词。
• 即使使用(*UCP)，Unicode 组合字符也不被视为单词组件，因此téle?phone( $'t\u00e9le\u0301phone') 被视为 10 个字符，其中一个是非字母字符。défavorise?( $'d\u00e9favorise\u0301') 会匹配，即使它有两个，é因为那是 10 个所有不同的字母字符，后跟一个组合重音符号（非字母，所以在e和它的重音之间有一个单词边界）。

Answer 2

好的......这是一个五个字符的字符串的笨拙方式：

grep -P '^(.)(?!\1)(.)(?!\1|\2)(.)(?!\1|\2|\3)(.)(?!\1|\2|\3|\4).$'

因为您不能在字符类（例如[^\1|\2]）中放置反向引用，所以您必须使用否定前瞻-- (?!foo)。这是 PCRE 功能，因此您需要-P切换。

当然，一个 10 个字符的字符串的模式会长很多，但是有一个更短的方法，它在前瞻中使用可变长度的任何匹配（'.*'）：

grep -P '^(.)(?!.*\1)(.)(?!.*\2)(.)(?!.*\3)(.)(?!.*\4)(.)(?!.*\5).$'

在阅读了 Stephane Chazelas 的启发性答案后，我意识到通过 grep 的-v开关可以使用类似的简单模式：

    (.).*\1

由于检查一次一个字符，这将查看任何给定字符后面是否跟有零个或多个字符 ( .*)，然后是反向引用的匹配项。 -v反转，仅打印与此模式不匹配的内容。这使得反向引用更有用，因为它们不能被字符类否定，并且显着：

grep -v '\(.\).*\1'

将用于识别具有唯一字符的任意长度的字符串，而：

grep -P '(.)(?!.*\1)'

不会，因为它将匹配具有唯一字符的任何后缀（例如abcabc匹配因为abc在最后，aaaa因为a在最后——因此是任何字符串）。这是由零宽度环视（它们不消耗任何东西）引起的复杂情况。

Answer 3

如果您不需要在正则表达式中完成所有操作，我会分两步完成：首先匹配所有 10 个字母的单词，然后过滤它们以获得唯一性。我知道如何做到这一点的最短方法是在 Perl 中：

perl -nle 'MATCH:while(/\W(\w{10})\W/g){
             undef %seen;
             for(split//,$1){next MATCH if ++$seen{$_} > 1}
             print
           }' your_file

请注意额外的\W锚点，以确保仅匹配长度正好为 10 个字符的单词。