O grep pode mostrar apenas palavras que correspondem ao padrão de pesquisa?

Existe uma maneira de criar "palavras" de saída grep de arquivos que correspondem à expressão de pesquisa?

Se eu quiser encontrar todas as instâncias de, digamos, "th" em vários arquivos, eu posso fazer:

grep "th" *

mas a saída será algo como (negrito é por mim);

some-text-file: o gato sentou-se no tapete  
algum outro arquivo de texto: a raposa marrom rápida  
contudo-outra-text-file: eu espero que isso explica minuciosamente 

O que eu quero que ele produza, usando a mesma pesquisa, é:

the
the
the
this
thoroughly

Isso é possível usando grep? Ou usando outra combinação de ferramentas?

Tente grep -o

grep -oh "\w*th\w*" *

Editar: correspondência do comentário de Phil

Dos documentos :

-h, --no-filename
    Suppress the prefixing of file names on output. This is the default
    when there is only  one  file  (or only standard input) to search.
-o, --only-matching
    Print  only  the matched (non-empty) parts of a matching line,
    with each such part on a separate output line.

Resposta segura de distribuição cruzada (incluindo windows minGW?)

grep -h "[[:alpha:]]*th[[:alpha:]]*" 'filename' | tr ' ' '\n' | grep -h "[[:alpha:]]*th[[:alpha:]]*"

Se você estiver usando versões mais antigas do grep (como 2.4.2), que não inclui a opção -o. Use o acima. Caso contrário, use o mais simples para manter a versão abaixo.

Resposta segura para distribuição cruzada do Linux

grep -oh "[[:alpha:]]*th[[:alpha:]]*" 'filename'

Para resumos, -oha expressão regular corresponde ao conteúdo do arquivo (e não ao nome do arquivo), exatamente como você esperaria que a expressão regular funcionasse no vim / etc ... Qual palavra ou expressão regular você procuraria então, depende de você! Enquanto você permanecer no POSIX e não na sintaxe perl (consulte abaixo)

Mais do manual para grep

-o      Print each match, but only the match, not the entire line.
-h      Never print filename headers (i.e. filenames) with output lines.
-w      The expression is searched for as a word (as if surrounded by
         `[[:<:]]' and `[[:>:]]';

A razão pela qual a resposta original não funciona para todos

O uso de \wvaria de plataforma para plataforma, pois é uma sintaxe "perl" estendida. Como tal, a instalação grep limitada a trabalhar com classes de caracteres POSIX usa [[:alpha:]]e não seu equivalente em perl \w. Veja a página da Wikipedia sobre expressões regulares para mais

Por fim, a resposta POSIX acima será muito mais confiável, independentemente da plataforma (sendo a original) para grep

Quanto ao suporte à opção grep sem -o, o primeiro grep gera as linhas relevantes, o tr divide os espaços em novas linhas, o grep final filtra apenas as respectivas linhas.

(PS: Eu sei que a maioria das plataformas até agora teria sido corrigida por \ w .... mas sempre há aquelas que ficam para trás)

Crédito pela solução alternativa "-o" da resposta @AdamRosenfield

É mais simples do que você pensa. Tente o seguinte:

egrep -wo 'th.[a-z]*' filename.txt #### (Case Sensitive)

egrep -iwo 'th.[a-z]*' filename.txt  ### (Case Insensitive)

Onde,

 egrep: Grep will work with extended regular expression.
 w    : Matches only word/words instead of substring.
 o    : Display only matched pattern instead of whole line.
 i    : If u want to ignore case sensitivity.

Você pode converter espaços em novas linhas e depois grep, por exemplo:

cat * | tr ' ' '\n' | grep th

Apenas awk, não há necessidade de combinação de ferramentas.

# awk '{for(i=1;i<=NF;i++){if($i~/^th/){print $i}}}' file
the
the
the
this
thoroughly

comando grep apenas para correspondência e perl

grep -o -P 'th.*? ' filename

Eu estava insatisfeito com a sintaxe difícil de lembrar do awk, mas gostei da ideia de usar um utilitário para fazer isso.

Parece que o ack (ou o ack-grep, se você usa o Ubuntu) pode fazer isso facilmente:

# ack-grep -ho "\bth.*?\b" *

the
the
the
this
thoroughly

Se você omitir o sinalizador -h, obtém:

# ack-grep -o "\bth.*?\b" *

some-other-text-file
1:the

some-text-file
1:the
the

yet-another-text-file
1:this
thoroughly

Como bônus, você pode usar o --outputsinalizador para fazer isso em pesquisas mais complexas com a sintaxe mais fácil que encontrei:

# echo "bug: 1, id: 5, time: 12/27/2010" > test-file
# ack-grep -ho "bug: (\d*), id: (\d*), time: (.*)" --output '$1, $2, $3' test-file

1, 5, 12/27/2010

cat *-text-file | grep -Eio "th[a-z]+"

Para pesquisar todas as palavras com start com "icon-", o comando a seguir funciona perfeitamente. Estou usando o Ack aqui, que é semelhante ao grep, mas com melhores opções e boa formatação.

ack -oh --type=html "\w*icon-\w*" | sort | uniq

Você também pode tentar o pcregrep . Há também uma -wopção no grep , mas em alguns casos não funciona como o esperado.

Da Wikipedia :

cat fruitlist.txt
apple
apples
pineapple
apple-
apple-fruit
fruit-apple

grep -w apple fruitlist.txt
apple
apple-
apple-fruit
fruit-apple

Eu tive um problema semelhante, procurando por regex grep / pattern e o "padrão correspondente encontrado" como saída.

No final, usei o egrep (o mesmo regex no grep -e ou -G não me deu o mesmo resultado do egrep) com a opção -o

então, eu acho que poderia ser algo semelhante a (eu não sou um mestre de regex):

egrep -o "the*|this{1}|thoroughly{1}" filename

Você pode canalizar sua saída grep para Perl assim:

grep "th" * | perl -n -e'while(/(\w*th\w*)/g) {print "$1\n"}'

$ grep -w

Trecho da página do manual grep:

-w: selecione apenas as linhas que contêm correspondências que formam palavras inteiras. O teste é que a substring correspondente deve estar no início da linha ou precedida por um caractere que não seja de palavra.

ripgrep

Aqui está o exemplo usando ripgrep:

rg -o "(\w+)?th(\w+)?"

Combina todas as palavras correspondentes th.