sed：删除包含字符类的整个单词答案

【问题标题】：sed: remove whole words containg a character classsed：删除包含字符类的整个单词
【发布时间】：2014-09-29 06:57:09
【问题描述】：

我想从文本文件中删除任何包含非字母字符的单词。例如

"ok 0bad ba1d bad3 4bad4 5bad5bad5"

应该变成

"ok"

我尝试过使用

echo "ok 0bad ba1d bad3 4bad4 5bad5bad5" | sed 's/\b[a-zA-Z]*[^a-zA-Z]\+[a-zA-Z]*\b/ /g'

【问题讨论】：

您要删除的是非字母还是数字？你的尝试有什么问题？
所有非字母，而不仅仅是数字。它产生了一个错误的答案。

标签： linux bash command-line awk sed

【解决方案1】：

使用awk:

s="ok 0bad ba1d bad3 4bad4 5bad5bad5"
awk '{ofs=""; for (i=1; i<=NF; i++) if ($i ~ /^[[:alpha:]]+$/)
         {printf "%s%s", ofs, $i; ofs=OFS} print ""}' <<< "$s"
ok

此awk 命令循环遍历所有单词，如果单词与正则表达式/^[[:alpha:]]+$/ 匹配，则它会写入标准输出。 (i<NF)?OFS:RS 是添加 OFS 的快捷方式，如果当前字段 no 小于 NF 否则它写入 RS。

同时使用grep + tr：

s="ok 0bad ba1d bad3 4bad4 5bad5bad5"
r=$(grep -o '[^ ]\+' <<< "$s"|grep '^[[:alpha:]]\+$'|tr '\n' ' ')
echo "$r"
ok

首先grep -o 将字符串分解为单个单词。第二个 grep 仅搜索带有字母的单词。最后tr 将\n 转换为空格。

【讨论】：

@Dimid：我在回答中添加了解释。
我重复我在下面写的评论：请使用[[:alpha:]] 而不是错误的[a-zA-Z]，因为如果您在s 中将您的“ok”替换为“Öcalan”，例如，您的脚本输出一个空字符串。 :(
@Jotne - 在某些 awks（例如 OSX awk）中，print <ternary> 将根据三元表达式中的条件导致语法错误，而 print (<ternary>) 将始终成功。我不确定是否还有其他情况会导致未加括号的三元表达式失败，我也不知道仅将表达式的条件部分加括号是否足以解决此问题。无论如何，我个人觉得给整个表达式加上括号更容易阅读，而且我知道它适用于所有情况，所以我就这样做了。
我实际上在 OSX 上工作，并使用默认 OSX 版本的 awk 在 awk 上进行了测试。但是是的，为了更好的兼容性，使用(i<NF?OFS:RS) 似乎会更好
是的，正如我提到的，您的解决方案是添加尾随空白字符而不提供换行符。您需要awk '{ofs=""; for (i=1; i<=NF; i++) if ($i ~ /^[[:alpha:]]+$/) {printf "%s%s", ofs, $i; ofs=OFS} print "" }' 或类似名称。

【解决方案2】：

 st="ok 0bad ba1d bad3 4bad4 5bad5bad5"
 for word in $st; 
     do 
     if [[ $word =~  ^[a-zA-Z]+$ ]]; 
         then 
             echo $word; 
      fi; 
 done

【讨论】：

这不是在 bash 中分配变量的方式。检查this answer。
我错误地添加了 $ 和空格

【解决方案3】：

如果您不担心在每个单词之间丢失不同数量的空格，您可以在 Perl 中使用类似的东西：

perl -ane 'print join(" ", grep { !/[^[:alpha:]]/ } @F), "\n"

-a 开关启用自动拆分模式，该模式将文本拆分为任意数量的空格并将字段存储在数组 @F 中。 grep 过滤掉该数组中包含任何非字母字符的元素。生成的数组连接在一个空格上。

【讨论】：

【解决方案4】：

下面的 sed 命令可以完成这项工作：

sed 's/[[:space:]]*[[:alpha:]]*[^[:space:][:alpha:]][^[:space:]]*//g'

它会删除所有包含至少一个非字母字符的单词。最好使用像 [:alpha:] 这样的 POSIX 字符类，因为例如它们不会认为法语名称“François”有问题（即包含非字母字符）。

说明

我们删除所有以任意数量的空格开头的模式，后跟任意数量（可能为零）的字母字符，后跟至少一个非空格和非字母字符，然后 glob 到单词的末尾（即直到下一个空格）。请注意，您可能希望将 [:space:] 替换为 [:blank:]，有关这两个 POSIX 类之间差异的详细说明，请参阅 this page。

测试

$ echo "ok 0bad ba1d bad3 4bad4 5bad5bad5" | sed 's/[[:space:]]*[[:alpha:]]*[^[:space:][:alpha:]][^[:space:]]*//g'
ok

【讨论】：

+1，我自己试图按照这些思路解决问题。你在 perl 中的命令：perl -pe 's/\s*[[:alpha:]]*[^\s[:alpha:]]\S*//g'

【解决方案5】：

这可能对你有用（GNU sed）：

sed -r 's/\b([[:alpha:]]+\b ?)|\S+\b ?/\1/g;s/ $//' file

这使用交替中的反向引用来保存所需的字符串。

【讨论】：