Referência retroativa inválida usando grep

Então, eu estou tentando encontrar palavras de 6 letras que consistem em um caractere repetido três vezes, seguido por outro caractere repetido três vezes. Por exemplo aaabbbou oookkk.

Eu estou tentando:

grep -E "[a-z]\1{3}\S[a-z]\1{3}" filename

Primeiro, o regex está correto? Segundo, por que estou recebendo grep: Invalid back reference?

command-line grep regular-expression

— Fábrica de Destaques
fonte

Por favor, explique o que exatamente você precisa combinar. Seu regex não está correto, então não consigo entender o que você procura. Você está procurando palavras que consistem em 3 repetições de um caractere e depois em três repetições de outro? Ou você também quer combinar aaabbbfoobar? Que tal aaaabbb? Idealmente, mostre-nos alguns exemplos de entrada e a saída desejada.

— terdon

Uma referência anterior deve se referir a algo, e você não especificou o que é isso. Geralmente, você agrupa uma expressão usando parênteses para fazer isso. Por exemplo: grep -E '([a-z]{2})([0-9]{2})\2\1'corresponderia aa9999aa.

— Muru

@terdon Você está procurando palavras que consistem em 3 repetições de um caractere e depois em três repetições de outro? Sim. Ou você também quer combinar aaabbbfoobar? Não. Somente palavras como oookkk(não mais que 6 caracteres) NÃO são palavras que contêm oookkkcomooookkkfoobar

— Highlights Factory

@HighlightsFactory OK, nesse caso, use o grep -wexemplo que dei na minha resposta.

— terdon

Mais uma coisa, você também quer combinar aaaaaaou precisa de pelo menos dois caracteres diferentes? Por favor, considere nos dar um exemplo de entrada e saída desejada.

— terdon

Não, não está correto. Não tenho idéia do que \1{3}deveria ser, mas é isso que está causando problemas. Se você deseja encontrar linhas que contêm três caracteres repetidos seguidos por outros três caracteres repetidos, você pode usar isso:

grep -E '([a-z])\1{2}([a-z])\2{2}'

O \1refere-se ao primeiro grupo capturado . Você pode capturar grupos usando parênteses. Então, \1é o 1º desse grupo e \2é o segundo e assim por diante. Como você não tinha grupos capturados, grepestava reclamando de uma referência inválida, pois não tinha nada a que se referir. Portanto, no regex acima, os parênteses estão capturando os dois grupos. Então, você quer {2}e não, {3}pois a correspondência inicial também é contada.

Você não especifica se precisa que a correspondência seja uma palavra ou se deseja também corresponder às palavras. Se você deseja que a palavra inteira corresponda (e exclua coisas como aaaabbb, use isso:

grep -wE '([a-z])\1{2}([a-z])\2{2}'

Para imprimir apenas a parte correspondente da linha (a palavra) e não a linha inteira, use (somente grep GNU):

grep -owE '([a-z])\1{2}([a-z])\2{2}'

— terdon
fonte