¿Puede grep mostrar solo palabras que coinciden con el patrón de búsqueda?

¿Hay alguna manera de hacer "palabras" de salida grep a partir de archivos que coincidan con la expresión de búsqueda?

Si quiero encontrar todas las instancias de, digamos, "th" en varios archivos, puedo hacer:

grep "th" *

pero la salida será algo así (negrita es por mí);

algún archivo de texto: el gato se sentó en el tapete  
otro archivo de texto: el rápido zorro marrón  
otro archivo de texto: espero que esto lo explique a fondo 

Lo que quiero que salga, usando la misma búsqueda, es:

the
the
the
this
thoroughly

¿Es esto posible usando grep? ¿O usando otra combinación de herramientas?

Prueba grep -o

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

Editar: coincidencia del comentario de Phil

De los 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.

Respuesta segura de distribución cruzada (incluyendo windows minGW?)

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

Si está utilizando versiones anteriores de grep (como 2.4.2) que no incluye la opción -o. Usa lo anterior. De lo contrario, use la versión más simple para mantener la siguiente.

Respuesta segura de distribución cruzada de Linux

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

A resúmenes -oh , las expresiones regulares coinciden con el contenido del archivo (y no con su nombre de archivo), tal como se esperaría que funcionara la expresión regular en vim / etc ... Qué palabra o expresión regular estaría buscando entonces, depende de ¡tú! Mientras permanezca en POSIX y no en la sintaxis de Perl (consulte a continuación)

Más del 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 `[[:>:]]';

La razón por la cual la respuesta original no funciona para todos

El uso de \wvaría de una plataforma a otra, ya que es una sintaxis "perl" extendida. Como tal, la instalación grep que se limita al trabajo con clases de caracteres POSIX usa [[:alpha:]]y no su equivalente perl \w. Vea la página de Wikipedia sobre expresiones regulares para más

En última instancia, la respuesta POSIX anterior será mucho más confiable independientemente de la plataforma (que es la original) para grep

En cuanto al soporte de grep sin la opción -o, el primer grep genera las líneas relevantes, el tr divide los espacios en nuevas líneas, los filtros grep finales solo para las líneas respectivas.

(PD: Sé que la mayoría de las plataformas por ahora, habrían sido parcheadas para \ w ... pero siempre hay aquellas que se quedan atrás)

Crédito por la solución "-o" de la respuesta de @AdamRosenfield

Es más simple de lo que piensas. Prueba esto:

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

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

Dónde,

 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.

Puede traducir espacios a nuevas líneas y luego grep, por ejemplo:

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

Simplemente awk, no necesita combinación de herramientas.

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

comando grep solo para coincidencia y perl

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

No estaba satisfecho con la sintaxis difícil de recordar de awk, pero me gustó la idea de usar una utilidad para hacer esto.

Parece que ack (o ack-grep si usa Ubuntu) puede hacer esto fácilmente:

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

the
the
the
this
thoroughly

Si omite la bandera -h obtendrá:

# 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 --outputbeneficio adicional, puede usar el indicador para hacer esto en búsquedas más complejas con la sintaxis más fácil que he encontrado:

# 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 buscar todas las palabras que comienzan con "icono-", el siguiente comando funciona perfectamente. Estoy usando Ack aquí, que es similar a grep pero con mejores opciones y buen formato.

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

También puedes probar pcregrep . También hay una -wopción en grep , pero en algunos casos no funciona como se esperaba.

De Wikipedia :

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

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

Tuve un problema similar, buscando grep / pattern regex y el "patrón coincidente encontrado" como salida.

Al final usé egrep (la misma expresión regular en grep -e o -G no me dio el mismo resultado que egrep) con la opción -o

Entonces, creo que podría ser algo similar a (NO soy un maestro de expresiones regulares):

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

Podría canalizar su salida grep a Perl de esta manera:

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

$ grep -w

Extracto de la página de manual de grep:

-w: selecciona solo aquellas líneas que contienen coincidencias que forman palabras completas. La prueba es que la subcadena coincidente debe estar al principio de la línea o precedida por un carácter constituyente que no sea una palabra.

ripgrep

Aquí están los ejemplos usando ripgrep:

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

Coincidirá con todas las palabras que coincidan th.