Как вы анализируете слова из файла?

Question

Как вы анализируете слова из файла?

Привет, скажем, у меня есть файл, который выглядит так

<jack,
john.
................
,joe
..........Jen..
>Tom
Edwa4rd
4Tim
Richard

Как я могу превратить это в чистый список, как

jack
John
joe
Jen
Tom
Tim
Richard

Обратите внимание, что Эдварда нет в списке

Используя команды Linux? Вероятно, grep и / или sed

1

linux grep sed

Источник

user893730 05 май '12 в 05:37

3 ответа

Другие вопросы по тегам linux grep sed

Darth Android 05 май '12 в 06:21 2012-05-05 06:21 · Answer 1 · 2012-05-05 06:21

Пытаться egrep -o '[A-Za-z](.*[A-Za-z])?' < infile | egrep -o '[A-Za-z]+' > outfile для вашего примера.

Первая часть выбирает именные вещи (должна начинаться с буквы и заканчиваться буквой, но может содержать что-либо между ними), а затем вторая egrep фильтрует нас до только имен, которые состоят из букв.

Глядя на это, я уже вижу несколько путей создания входных данных, которые могут привести к сбою этих выражений и их неправильному совпадению (ну, это будет соответствовать тому, как написано, но вы оставили двусмысленности - как должен ..Richard..<Tim?.. быть обработанным?), но было легко собрать это воедино на основе входных данных - сценарии оболочки часто менее чем на 100% математически корректны для всех возможных входных данных, но лучше знают ваш входной домен и выполняют работу с выражениями и командами это работает достаточно хорошо для ввода, который вы должны обработать.

glenn jackman 05 май '12 в 12:28 2012-05-05 12:28 · Answer 2 · 2012-05-05 12:28

Использование grep -o '[[:alpha:]]\+' извлечь все "слова".

jack
john
joe
Jen
Tom
Edwa
rd
Tim
Richard

Тогда вам решать, какие из них являются именами, а какие - просто последовательностями букв.

1

Источник

glenn jackman 05 май '12 в 12:28

Bob 05 май '12 в 07:12 2012-05-05 07:12 · Answer 3 · 2012-05-05 07:12

Регулярное выражение ^[^a-zA-Z]*([a-zA-Z]+)[^a-zA-Z]*$ должно сработать.

^ соответствует началу строки
[^a-zA-Z]* соответствует нулю или более вхождений не-буквы
[a-zA-Z]+ соответствует одному или нескольким вхождениям буквы
[^a-zA-Z]* соответствует нулю или более вхождений не-буквы
$ соответствует концу строки

Таким образом, он будет игнорировать начальные и последующие не-буквы в строке и совпадать только в том случае, если между первой и последней буквой нет ни одной буквы.

В скобках указана группа захвата, часть, которую мы хотим извлечь и распечатать. Я изначально написал и протестировал это для.NET, но вот sed команда. Не спрашивай меня как sed работает, понятия не имею.

sed -rn 's/^[^a-zA-Z]*([a-zA-Z]+)[^a-zA-Z]*$/\1/p' inputfile

Вместо печати вы можете записать непосредственно в выходной файл:

sed -rn 's/^[^a-zA-Z]*([a-zA-Z]+)[^a-zA-Z]*$/\1/w outputfile' inputfile