Solución:
Con GNU grep:
echo 'Hi! Hi, same word twice twice, as as here here! ! ,123 123 need' | grep -Eo '(b.+) 1b'
Producción:
twice twice as as here here 123 123
Opciones:
-E: Interpretar (b.+) 1b como una expresión regular extendida.
-o: Imprima solo las partes coincidentes (no vacías) de una línea coincidente, con cada parte en una línea de salida separada.
Regex:
b: Es un límite de palabra de ancho cero.
.+: Coincide con uno o más caracteres.
1: Los paréntesis () marcar un grupo de captura y 1 significa usar aquí el valor del primer grupo de captura.
Referencia: Preguntas frecuentes sobre expresiones regulares de desbordamiento de pila
Parece que algo como esto es lo que quieres (usando cualquier awk en cualquier shell en cada caja de UNIX):
$ cat tst.awk
BEGIN { RS=""; ORS="nn" }
{
head = prev = ""
tail = $0
while ( match(tail,/[[:alpha:]]+/) ) {
word = substr(tail,RSTART,RLENGTH)
head = head substr(tail,1,RSTART-1) (word == prev ? "" : word)
tail = substr(tail,RSTART+RLENGTH)
prev = word
}
print head tail
}
$ cat file
the quick quick brown
fox jumped jumped
jumped over the lazy
lazy dogs back
$ awk -f tst.awk file
the quick brown
fox jumped
over the lazy
dogs back
pero, por favor, haga una nueva pregunta con una muestra de entrada y salida esperada más verdaderamente representativa, incluida la puntuación, las diferencias en el uso de mayúsculas, varios párrafos, palabras duplicadas al principio / final de las oraciones y se muestran varios otros casos no triviales.