Como encontrar correspondência com palavras em volta?

Question

Eu quero encontrar correspondência com as palavras ao redor. Eu também quero que seja rápido.

Veja o que eu tenho:

grep -o -P '(\w+ ){0,n}match( \w+){0,m}'

n é o número de palavras antes da frase, m é o número de palavras após a frase. correspondência é a frase que estou procurando.

Existe alguma maneira mais rápida de fazer isso?

exemplo:

echo word1 word2 word3 123 word4 word5 word6 | grep -o -P '(\w+ ){0,2}123( \w+){0,2}'

= > word2 word3 123 word4 word5 .

    

Answer 1

(\w+ ) corresponderá a uma palavra ou parte da palavra. Isso significa que grep tratará cada caractere em cada palavra como um possível início de partida. No seu exemplo, ele considerará cada um dos

• word1
• ord1
• rd1
• d1
• 1

antes de passar para a partida bem-sucedida (começando em word2 ).

Como você está interessado em encontrar palavras inteiras, é possível evitar todas as correspondências de palavras intermediárias ao incluir limites de palavras no padrão:

grep -P '\<(\w+ ){0,2}123( \w+){0,2}\>'

Outro efeito disso é evitar a correspondência do 123 quando ele aparecer dentro de uma palavra mais longa.

Isso reduz o tempo em um fator de 100 para mim (caso de teste: procurando pela palavra 'eu' em Ulisses)

A seção "Armadilhas" do link tem algumas boas indicações sobre o que torna o regexps lento.