韵律定义词的正则表达式：在 Atom 中工作但在 grep 中不工作
Regex for prosodically-defined words: working in Atom but not grep
我正在尝试在 .txt 词典中搜索所有三音节词根，然后将匹配的词根传递到新的 .txt 文件。有问题的词典是 Heath 的 Nunggubuyu 词典的原始文本版本。当我在 Atom（我喜欢的文本编辑器）中搜索文件时，以下字符串可以很好地挑选出所需的词根并从词条（以空格开头）下方的定义中删除任何 material，如以及任何英语单词，以及任何被连字符或等号打断的三音节字符串（这意味着它们不是单词根）。如果它看起来笨重，请原谅我；我是一个绝对的初学者。 （本正字法中元音长度用':'表示，只有三个元音'a,i,u'。None词条大写。）
^\S[^aeiousf]*[aiu:]+[^csfaioeu:\-\=\W]+[aiu:]+[^VNcsfaeiou:\-\=]+[aiu:]+[^VcsfNaeiou:]*\b
但是，我需要将匹配的字符串输出到一个新文件中。当我尝试在 grep 中使用相同的字符串时（在 Mac 上），没有任何匹配项。我使用语法
grep -o "^\S[^aeiousf]*[aiu:]+[^csfaioeu:\-\=\W]+[aiu:]+[^VNcsfaeiou:\-\=]+[aiu:]+[^VcsfNaeiou:]*\b" Dict-nofrontmatter.txt > output.txt
我已经搜索了几个小时，试图弄清楚如何将 Atom 的正则表达式方言转换为 grep (Mac)，但无济于事。每当我设法获得匹配项时，结果看起来与我的预期以及我从 Atom 获得的结果大不相同。我也看过一些明显的 Atom grep 工具，但文档几乎不存在，所以我什至无法弄清楚它们的作用。我在这里弄错了什么？我应该尝试使用 grep 的替代方法吗？
grep 支持不同的正则表达式样式。来自 man re_format:
Regular expressions ("RE"s), as defined in POSIX.2, come in two
forms:
modern REs (roughly those of egrep; POSIX.2 calls these extended REs) and
obsolete REs (roughly those of ed(1); POSIX.2 basic REs).
Grep 有开关来选择使用哪个变体。功能从少到多排序：
固定字符串： grep -F 或 fgrep
根本没有正则表达式。纯文本搜索。
基本正则表达式： grep -G 或 grep
|、+、?是普通字符。 | 没有等价物。必须转义括号才能用作子表达式。
扩展正则表达式： grep -E 或 egrep
"Normal" 正则表达式 |、+、? bounds 等等。
perl 正则表达式： grep -P（用于 GNU grep，未预装在 Mac 上）
最强大的正则表达式。支持前瞻和其他功能。
在你的情况下，你应该尝试 grep -Eo "^\S...。
可能您的 grep 命令中唯一缺少的是 -E 选项：
regex='^\S[^aeiousf]*[aiu:]+[^csfaioeu:\-\=\W]+[aiu:]+[^VNcsfaeiou:\-\=]+[aiu:]+[^VcsfNaeiou:]*\b'
grep -Eo "$regex" Dict-nofrontmatter.txt > output.txt
-E 激活对 extended（现代）正则表达式的支持，现在可以正常工作（重复符号 + 和 ?按预期工作，( 和 ) 形成捕获组，| 交替）。
没有-E（或有-G）basic假定正则表达式——一种语法不同的有限遗留形式。鉴于-E is part of POSIX，没有理由不使用它。
在 macOS 上，grep 理解字符-class 快捷方式，例如 \S 和 \W，以及单词- 边界断言，例如 \b - 这与 macOS 附带的其他 BSD 实用程序形成对比，特别是 sed 和 awk.
看起来你不需要它，但是 PRCEs (Perl-compatible Regular Expressions) would provide additional features, such as look-around assertions。
macOS grep 不支持它们，但是 GNU grep 通过 -P 选项支持。您可以通过 Homebrew.
在 macOS 上安装 GNU grep
或者，您可以直接使用 perl；与上述命令等效的是：
regex='^\S[^aeiousf]*[aiu:]+[^csfaioeu:\-\=\W]+[aiu:]+[^VNcsfaeiou:\-\=]+[aiu:]+[^VcsfNaeiou:]*\b'
perl -lne "print for m/$regex/g" Dict-nofrontmatter.txt > output.txt
我正在尝试在 .txt 词典中搜索所有三音节词根，然后将匹配的词根传递到新的 .txt 文件。有问题的词典是 Heath 的 Nunggubuyu 词典的原始文本版本。当我在 Atom（我喜欢的文本编辑器）中搜索文件时，以下字符串可以很好地挑选出所需的词根并从词条（以空格开头）下方的定义中删除任何 material，如以及任何英语单词，以及任何被连字符或等号打断的三音节字符串（这意味着它们不是单词根）。如果它看起来笨重，请原谅我；我是一个绝对的初学者。 （本正字法中元音长度用':'表示，只有三个元音'a,i,u'。None词条大写。）
^\S[^aeiousf]*[aiu:]+[^csfaioeu:\-\=\W]+[aiu:]+[^VNcsfaeiou:\-\=]+[aiu:]+[^VcsfNaeiou:]*\b
但是，我需要将匹配的字符串输出到一个新文件中。当我尝试在 grep 中使用相同的字符串时（在 Mac 上），没有任何匹配项。我使用语法
grep -o "^\S[^aeiousf]*[aiu:]+[^csfaioeu:\-\=\W]+[aiu:]+[^VNcsfaeiou:\-\=]+[aiu:]+[^VcsfNaeiou:]*\b" Dict-nofrontmatter.txt > output.txt
我已经搜索了几个小时，试图弄清楚如何将 Atom 的正则表达式方言转换为 grep (Mac)，但无济于事。每当我设法获得匹配项时，结果看起来与我的预期以及我从 Atom 获得的结果大不相同。我也看过一些明显的 Atom grep 工具，但文档几乎不存在，所以我什至无法弄清楚它们的作用。我在这里弄错了什么？我应该尝试使用 grep 的替代方法吗？
grep 支持不同的正则表达式样式。来自 man re_format:
Regular expressions ("RE"s), as defined in POSIX.2, come in two forms:
modern REs (roughly those of egrep; POSIX.2 calls these extended REs) and
obsolete REs (roughly those of ed(1); POSIX.2 basic REs).
Grep 有开关来选择使用哪个变体。功能从少到多排序：
固定字符串： grep -F 或 fgrep
根本没有正则表达式。纯文本搜索。
基本正则表达式： grep -G 或 grep
|、+、?是普通字符。 | 没有等价物。必须转义括号才能用作子表达式。
扩展正则表达式： grep -E 或 egrep
"Normal" 正则表达式 |、+、? bounds 等等。
perl 正则表达式： grep -P（用于 GNU grep，未预装在 Mac 上）
最强大的正则表达式。支持前瞻和其他功能。
在你的情况下，你应该尝试 grep -Eo "^\S...。
可能您的 grep 命令中唯一缺少的是 -E 选项：
regex='^\S[^aeiousf]*[aiu:]+[^csfaioeu:\-\=\W]+[aiu:]+[^VNcsfaeiou:\-\=]+[aiu:]+[^VcsfNaeiou:]*\b'
grep -Eo "$regex" Dict-nofrontmatter.txt > output.txt
-E 激活对 extended（现代）正则表达式的支持，现在可以正常工作（重复符号 + 和 ?按预期工作，( 和 ) 形成捕获组，| 交替）。
没有-E（或有-G）basic假定正则表达式——一种语法不同的有限遗留形式。鉴于-E is part of POSIX，没有理由不使用它。
在 macOS 上，grep 理解字符-class 快捷方式，例如 \S 和 \W，以及单词- 边界断言，例如 \b - 这与 macOS 附带的其他 BSD 实用程序形成对比，特别是 sed 和 awk.
看起来你不需要它，但是 PRCEs (Perl-compatible Regular Expressions) would provide additional features, such as look-around assertions。
macOS grep 不支持它们，但是 GNU grep 通过 -P 选项支持。您可以通过 Homebrew.
grep
或者，您可以直接使用 perl；与上述命令等效的是：
regex='^\S[^aeiousf]*[aiu:]+[^csfaioeu:\-\=\W]+[aiu:]+[^VNcsfaeiou:\-\=]+[aiu:]+[^VcsfNaeiou:]*\b'
perl -lne "print for m/$regex/g" Dict-nofrontmatter.txt > output.txt