pesquisa de texto inexata

Question

Existe algum utilitário como grep ou mesmo uniq , mas para pesquisa inexata, ou eu mesmo deveria escrever?

Quero dizer que vai parecer 90% (o número pode variar), ou algo parecido. Por exemplo eu tenho arquivo com várias seqüências:

abc123
abd123
abc223
qwe938

Neste caso, tal utilitário deve retornar as três primeiras cadeias de caracteres ou dizer que elas são semelhantes. É claro que não conheço nenhum padrão de conteúdo do arquivo, como no caso de grep ou uniq .

    

Answer 1

agrep ou o tre-grep fará o que você está pedindo; eles são "aproximados" regex matching / grep. Para mais informações, consulte também o artigo da Wikipedia .

% tre-agrep --help | head             (05-23 16:53)
Usage: tre-agrep [OPTION]... PATTERN [FILE]...
Searches for approximate matches of PATTERN in each FILE or standard input.
Example: 'tre-agrep -2 optimize foo.txt' outputs all lines in file 'foo.txt'     that
match "optimize" within two errors.  E.g. lines which contain "optimise",
"optmise", and "opitmize" all match.

Regexp selection and interpretation:
  -e, --regexp=PATTERN      use PATTERN as a regular expression
  -i, --ignore-case         ignore case distinctions
  -k, --literal             PATTERN is a literal string


% agrep  | head                       (05-23 16:53)
usage: agrep [-@#abcdehiklnoprstvwxyBDGIMSV] [-f patternfile] [-H dir] pattern [files]

summary of frequently used options:
(For a more detailed listing see 'man agrep'.)
-#: find matches with at most # errors
-c: output the number of matched records
-d: define record delimiter
-h: do not output file names
-i: case-insensitive search, e.g., 'a' = 'A'
-l: output the names of files that contain a match
-n: output record prefixed by record number
-v: output those records that have no matches
-w: pattern has to match as a word, e.g., 'win' will not match 'wind'
-B: best match mode. find the closest matches to the pattern
-G: output the files that contain a match
-H 'dir': the cast-dictionary is located in directory 'dir'