计算文本文件中模式的所有唯一实例

Question

我有一个包含多行文本的文件，所有文本均以六个十六进制数字开头，一个空格，然后是一些文本。有时，此残留文本以字符

X

或

Y

开头，后跟 4 位数字和冒号。示例：

72a0bf Lorem ipsum dolor sit amet, consectetur adipiscing elit. 
703e80 X-2310: Duis nibh sem, sollicitudin vel nulla eu, facilisis pulvinar purus. 
21b6ac Nam ornare blandit consequat. Vivamus tincidunt eros consequat, egestas 
8961cb Y-0110: dui at, lobortis nibh. Sed sed felis vel felis euismod dapibus in vel erat. 
ce5dfe X-2310: Curabitur facilisis felis nec ante euismod ultricies at eget turpis. Duis 
fa5e8b ac dui ut elit volutpat accumsan quis quis justo. Donec luctus suscipit sem,

我的目标是找到这些

X***

和

Y***

字符串的所有唯一实例。现在，如果我的所有记录都是上述形式，则可以通过例如一些

grep

、

awk

和其他

bash

工具来实现：

$ cat file.txt | grep -E '^[a-z|0-9]{6}[[:space:]](X|Y)-[0-9]{4}' | awk '{print substr($2, 1, length($2) -1)}' | sort | uniq
X-2310
Y-0110

问题是，在 do 包含此模式的一些记录中，我正在

grep

ping（并且仅），不幸的是，我里面有一些 X***

 和 

Y***

 字符串的实例剩余文本，这些实例可以是 1, 2, 3,...任何数字：

c8edc6 X-0101: at tempor tellus commodo sit amet. X-2489 Nunc id gravida est, in rhoncus metus.
fa5e8b Y-9410: ac X-1320 X-0101 dui ut elit Y-9416 volutpat accumsan X-0101 quis X-2000 quis justo.
e29ac0 Y-5751: Vivamus Y-0110 vehicula Y-2021 dolor X-0101 a pretium.

这给我上面的脚本带来了麻烦，因为我只是在寻找行首附近的模式。我希望能够找到字符串

X*** 和 Y***

 的那些实例的 

all

。有任何想法吗？唯一的限制是，由于环境限制，它必须是一个

bash

解决方案。

Answer 1

$ grep -E --only-matching '(X|Y)-[0-9]{4}' file.txt | sort | uniq

有窍门。