Regex 在bash中将字符串与特定数量的唯一字符匹配

我需要删除文件中少于4个唯一字符的所有字符串

输入：

hello
cabby
pabba
lokka
lappa
coool
apple

预期产出：

hello
cabby
lokka
apple

我试图想出一个正则表达式来实现这一点，但我想这怎么可能。 我确实发现了一个似乎很有希望的

sed

命令，它删除了所有重复的字符。但是，我不知道如何编程

sed

，以测试程序是否返回4个字符，如果返回，则与原始字符串匹配。

---

sed:1；s/\（\（.\）.*\\2/\1/g；t'

使用

gnu awk

：

awk 'BEGIN{FS=""} {
unq=0; delete seen; for (i=1; i<=NF; i++) if (!seen[$i]++) unq++} unq > 3' file

---

FS=”“

在awk中将每个字符拆分为单独的字段。

您尝试的

sed'：1；s/\（\（.\）.*\\2/\1/g；t'

，请将

t

替换为

t1

在执行命令之前，复制保留空间中的当前行。
执行命令后，将行替换为原始行中至少剩下4个字符。
现在确保只打印至少包含四个字符的行

echo 'hello
cabby
pabba
lokka
lappa
coool
apple' | sed -nE 'h;:1;s/(.)(.*)\1/\1\2/g;t1;/.{4}/x;/.{4}/p'

---

我怀疑你能用

sed

做到这一点。即使在

grep

中使用PCRE正则表达式，纯正则表达式解决方案看起来也很笨拙，请参见

grep-vP'^（？：（）\1*（？：（？！\1）（）（（？：\1 |\2）*）（？：（？：（？！\1 |\2 | 3）（）（？：\1 |\2 |\3）*））（？：）（？：\1 |\2 | 3）*））（？））（？）（？：）文件

）。使用

awk

。请参阅。等等，不，你是对的，在这种情况下，我的文件中awk大约快4.2秒。是的，我在

36988000

行文件中测试了

sed

和

awk

解决方案

awk

花了大约1分钟完成，但

sed

在最后8分钟仍在运行，并且消耗了大量CPU：（可能需要提及。我确实同意您的答案可读性更好（更快）。谢谢Wakter。我明确表示，它需要gnuawk@ersan：您可以使用：

awk'BEGIN{FS=”“}{s=”“；unq=0；delete-seen；for（i=1；i3{print-s}'文件

仅处理第一个文件。

echo 'hello
cabby
pabba
lokka
lappa
coool
apple' | sed -nE 'h;:1;s/(.)(.*)\1/\1\2/g;t1;/.{4}/x;/.{4}/p'