Sed Regex OSX 查找罗马数字并用空字符串替换。错误“未终止的替代模式”

Question

这可能是 Sed 和 shell 脚本语法问题以及 Regex。 （编辑：可能是 I/O 问题，因为在 bash shell 中读取文件时正则表达式起作用，但实际的 .txt 文件没有按需要更改）

尝试为一些自然语言处理工作准备一个.txt 文件。想要删除包含莎士比亚十四行诗的纯文本文件中的一些罗马数字，每个十四行诗都以罗马数字开头，例如IX. 和XVIII.，代表单个十四行诗的标题，包括十进制字符。

输入文本示例：

二十五。

让那些喜欢自己的明星

以公共荣誉和自豪的头衔夸耀，

期望的输出：

让那些喜欢自己的明星

以公共荣誉和自豪的头衔夸耀，

按照this question 中的示例，我在终端 bash shell 中尝试了以下所有命令：

$ sed -i 's/[IVXLC]{1,}[.]//g' sonnets.txt

$ sed -i 's/[IVXLC]{1,}[.]/^$/g' sonnets.txt

$ sed -i 's/[IVXLC]{1,}[.]/()/g' sonnets.txt

$ sed -i 's/[IVXLC]{1,}[.]/[]/g' sonnets.txt

这个想法是用空字符串替换任何匹配项。由于这不起作用，我尝试用空格字符替换匹配：

$ sed -i 's/[IVXLC]{1,}[.]/^ $/g' sonnets.txt

运气不好。上面的所有命令都返回相同的错误：

sed: 1: "sonnets.txt": unterminated substitute pattern

我在https://regexr.com/ 的“查找”字段中测试了正则表达式，它似乎是正确的。目标文件就在工作目录中。知道出了什么问题吗？我应该在 Sed 命令的“替换”字段中使用哪些字符？我应该修改正则表达式和/或 Sed 命令吗？

Answer 1

大括号需要转义。

$ sed  's/[IVXLC]\{1,\}[.]//g'  sonnets.txt


Let those who are in favour with their stars

Of public honour and proud titles boast,

Answer 2

正如@Jonathan Leffler 在 cmets 中提到的，我的 Mac 使用的是 BSD sed，这就是该命令不起作用的原因。

所以我通过 Homebrew 安装了 GNU sed：

brew install gnu-sed

然后使用命令：

gsed -i 's/[IVXLC]\{1,\}[.]//g' sonnets.txt

输入 gsed 会调用 GNU sed，它可以正常工作。它改变了.txt 文件的内容。

在这种配置中，正如@Hakan Baba 所提到的，正则表达式确实需要转义大括号：

\{\}

Answer 3

问题似乎在于您的 BSD sed 版本不支持的范围（或 limiting ）量词 {m,n}。请注意，您可以使用 [IVXLC][IVXLC]* 重写 {1,} 量词（一个罗马“数字”后跟 0+ 罗马数字）：

sed -i 's/[IVXLC][IVXLC]*[.]//g' sonnets.txt
          ^^^^^^^^^^^^^^^

此外，如果您需要确保只匹配行首的罗马数字，请在模式的开头附加 ^（这意味着您也可以在末尾省略 g 修饰符正则表达式）。要将它们作为整个单词进行匹配，请在模式的开头添加 [[:<:]] 前导单词边界。