Eu tenho uma grande coleção de arquivos de texto.
Eu estou procurando uma maneira de encontrar duas strings que estão na mesma linha (no mesmo arquivo) na coleção, onde a distância em caracteres entre essas duas strings não é maior do que a distância que eu especificar.
Por exemplo, se um arquivo de texto contiver:
The quick brown fox jumps over the lazy dog
e eu passo as strings fox e over com uma distância de 7 (ou mais) ele retornará essa linha porque 7 é a distância entre essas palavras.
Estou executando uma máquina com Windows 8.
Use egrep. Ou opção grep -e.
egrep -o "fox.{1,7}over" filename.txt
Em geral, é:
egrep -o "string1.{1,7}string2" filename.txt
Todas as opções acima retornarão apenas a parte correspondente. Para que a linha completa seja retornada, não use a opção -o. Então seria:
egrep "string1.{1,7}string2" filename.txt
Para aplicá-lo a todos os arquivos em uma pasta que você usaria:
egrep "string1.{1,7}string2" *
Tudo isso pressupõe que haja pelo menos uma separação de caracteres.
Como você está no Windows, use o Notepad ++ junto com seu plugin RegEx Helper
A Notepad++ plugin that allows users to develop regular expressions and test them against their open documents.
Se você quiser a linha inteira, use ^.*fox.{0,7}over.*$ em vez de fox.{0,7}over