删除包含非乌克兰字符的字符串bash

Question

删除包含非乌克兰字符的字符串bash

3

使用文件结构

foo_11: "Марія"
foo_112: "Superman"
FOOTLONG: "Subway"
foo_13: "Юлія"

我希望你能够删除所有不包含至少一个乌克兰字母的字符串。

脚本:

for i in *.txt;
do 
 sed '/[^А-ЯЄЇІа-яєїі]+/d' $i >$i.out
 mv $i.out $i
done

什么也没做，这是什么问题？

使用Mac终端。

- Al Crow

2

你的sed支持+修饰符吗？我的不支持，所以我必须写成\{1,\}。 - Stefan Hegny

2个回答

2

这段代码可以实现您想要的功能（如果我正确理解了您的问题）：

grep -i "Я\|Є\|Ї\|І" /folder/file >> /tmp/result

结果存储在/tmp/result中。 注意：我不懂乌克兰语，所以我肯定没有包含所有的乌克兰字符，请添加/删除您想匹配到上述结构的乌克兰字符。 注意2：由于使用了grep -i，此代码不区分大小写，因此您只需要添加一次字符（小写或大写）。

将其放入循环中的方法如下：

for i in *.txt;
do
grep -i "Я\|Є\|Ї\|І" "$i" > "$i".out
mv "$i".out "$i"
done

编辑：我编辑了这个答案，使其更简单，并添加了一个循环。

- Jamil Said

即使在 OP 的字符类中看起来像 ASCII 字母 A I a i 的字母实际上是乌克兰（西里尔文）字母，其 Unicode 代码点为 U+410 U+406 U+430 U+456。 - mklement0

我明白了。我不太擅长乌克兰语 :-p - Jamil Said

我将让OP添加所有乌克兰字符。 - Jamil Said

@JamilSaid，你的字母是正确的，但你忘记了包括区间А-Я。我在_Stack_上读到过这个范围只包括俄语字母，所以我使用了这种解决方法添加了一些缺失的字母。也许还应该包括Ґ，但这对我的情况已经足够了。 - Al Crow

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- mklement0 · Accepted Answer

假设您定义乌克兰字母的字符类是正确的，那么以下内容应该有效：

sed '/[А-ЯЄЇІа-яєїі]/!d' file

[А-ЯЄЇІа-яєїі] 匹配任意一行中的乌克兰字母。
- 请注意，即使是看起来像ASCII字母A I a i，实际上也是乌克兰（西里尔）字母，其Unicode代码点为U+410 U+406 U+430 U+456。
! 否定匹配，这意味着只有不包含至少1个乌克兰字母的行才匹配。
d 删除那些行。

将它们组合在一起：

for f in *.txt; do 
  sed -i '' '/[А-ЯЄЇІа-яєїі]/!d' "$f"    # -i '' is BSD Sed syntax; GNU sed takes just -i
done

关于你尝试过的内容：

- 如问题中的评论所指出，当不使用-E以启用扩展正则表达式时，+在sed中不受支持; 无-E时，必须使用复杂的\{1,\}。（\+仅由GNU版sed支持，而非macOS附带的BSD版本sed）。 - 然而，即使是您的命令的修正版本 sed '/[^А-ЯЄЇІа-яєїі]\{1,\}/d' 也不能做到您想要的：它删除所有包含至少一个非乌克兰字母字符的行，这会消除您的所有输入行，因为它们都有基于ASCII的字段名并包含:。 - 您应该将变量引用（例如$i）放在双引号中以保护它们免受shell扩展的影响："$i"。 - BSD Sed确实支持使用-i进行地点更新，但与GNU Sed不同，它需要指定空选项参数（表示不需要备份输入文件）作为单独的参数:-i'' 。 - 您先写入临时文件，然后再替换原始文件的方法也可以，但通常最好使用以下惯用语： sed ... file > file.tmp && mv file.tmp file 。使用&&分隔mv命令可确保仅在sed命令成功后才替换原始文件。
也就是说，在这种情况下，即使不输出任何内容，sed仍会报告成功。