Como obter linhas onde uma palavra específica é repetida exatamente N vezes?

Para esta entrada fornecida:

How to get This line that this word repeated 3 times in THIS line?
But not this line which is THIS word repeated 2 times.
And I will get This line with this here and This one
A test line with four this and This another THIS and last this

Eu quero esta saída:

How to get This line that this word repeated 3 times in THIS line?
And I will get This line with this here and This one

Obter linhas inteiras contém apenas três palavras "isto" repetidas. (correspondência sem distinção entre maiúsculas e minúsculas)

Em perl, substitua this-o sem distinção entre maiúsculas e minúsculas e conte o número de substituições:

$ perl -ne 's/(this)/$1/ig == 3 && print' <<EOF
How to get This line that this word repeated 3 times in THIS line?
But not this line which is THIS word repeated 2 times.
And I will get This line with this here and This one
A test line with four this and This another THIS and last this
EOF
How to get This line that this word repeated 3 times in THIS line?
And I will get This line with this here and This one

Usando uma contagem de correspondências :

perl -ne 'my $c = () = /this/ig; $c == 3 && print'

Se você possui o GNU awk, é uma maneira muito simples:

gawk -F'this' -v IGNORECASE=1 'NF == 4'

O número de campos será um a mais que o número de separadores.

Supondo que seu arquivo de origem seja tmp.txt,

grep -iv '.*this.*this.*this.*this' tmp.txt | grep -i '.*this.*this.*this.*'

O grep esquerdo gera todas as linhas que não possuem 4 ou mais ocorrências que não diferenciam maiúsculas de minúsculas de "this" em tmp.txt.

O resultado é canalizado para o grep direito, que gera todas as linhas com 3 ou mais ocorrências no resultado grep esquerdo.

Atualização: Graças ao @Muru, aqui está a melhor versão desta solução,

grep -Eiv '(.*this){4,}' tmp.txt | grep -Ei '(.*this){3}'

substitua 4 por n + 1 e 3 por n.

Em python, isso faria o trabalho:

#!/usr/bin/env python3

s = """How to get This line that this word repeated 3 times in THIS line?
But not this line which is THIS word repeated 2 times.
And I will get This line with this here and This one
A test line with four this and This another THIS and last this"""

for line in s.splitlines():
    if line.lower().count("this") == 3:
        print(line)

saídas:

How to get This line that this word repeated 3 times in THIS line?
And I will get This line with this here and This one

Ou para ler de um arquivo, com o arquivo como argumento:

#!/usr/bin/env python3
import sys

file = sys.argv[1]

with open(file) as src:
    lines = [line.strip() for line in src.readlines()]

for line in lines:
    if line.lower().count("this") == 3:
        print(line)

• Cole o script em um arquivo vazio, salve-o como find_3.py, execute-o pelo comando:

  python3 /path/to/find_3.py <file_withlines>
  

É claro que a palavra "this" pode ser substituída por qualquer outra palavra (ou outra seção de string ou linha), e o número de ocorrências por linha pode ser definido como qualquer outro valor na linha:

    if line.lower().count("this") == 3:

Editar

Se o arquivo fosse grande (centenas de milhares / milhões de linhas), o código abaixo seria mais rápido; ele lê o arquivo por linha em vez de carregá-lo de uma vez:

#!/usr/bin/env python3
import sys
file = sys.argv[1]

with open(file) as src:
    for line in src:
        if line.lower().count("this") == 3:
            print(line.strip())

Você pode brincar um pouco com awkisso:

awk -F"this" 'BEGIN{IGNORECASE=1} NF==4' file

Isso retorna:

How to get This line that this word repeated 3 times in THIS line?
And I will get This line with this here and This one

Explicação

• O que fazemos é definir o separador de campos para thissi mesmo. Dessa forma, a linha terá tantos campos +1 quanto a palavra thisaparecer.

• Para torná-lo sem distinção entre maiúsculas e minúsculas, usamos IGNORECASE = 1. Ver referência: caso sensibilidade em Matching .

• Então, é apenas uma questão de dizer NF==4para obter todas essas linhas thisexatamente três vezes. Não é necessário mais código, pois {print $0}(ou seja, imprimir a linha atual) é o comportamento padrão de awkquando uma expressão é avaliada True.

Assumindo que as linhas são armazenadas em um arquivo chamado FILE:

while read line; do 
    if [ $(grep -oi "this" <<< "$line" | wc -w)  = 3 ]; then 
        echo "$line"; 
    fi  
done  <FILE

Se você estiver no Vim:

g/./if len(split(getline('.'), 'this\c', 1)) == 4 | print | endif

Isso imprimirá apenas linhas correspondentes.

Solução one-liner Ruby:

$ ruby -ne 'print $_ if $_.chomp.downcase.scan(/this/).count == 3' < input.txt                                    
How to get This line that this word repeated 3 times in THIS line?
And I will get This line with this here and This one

Funciona de uma maneira bastante simples: redirecionamos o arquivo para o stdin do ruby, o ruby ​​obtém a linha do stdin, limpa-o com chompe downcase, e scan().countnos fornece o número de ocorrências de uma substring.