如何优化英语单词表

【问题标题】：how to optimize a wordlist for the english language如何优化英语单词表
【发布时间】：2011-03-10 09:57:42
【问题描述】：

我正在寻找使用 sed 或类似的 linux 应用程序优化英语单词列表。为了做到这一点，我需要：

删除包含除 a-z、0-9 或特殊字符之外的任何内容的行

删除网址 - 可能检测到“\”字符

删除长度超过 16 个字符和 4 个字符或更短的行。（5-16 个字符）

最好在 sed =)

谢谢！

【问题讨论】：

【解决方案1】：

sed -nr '/^[[:alnum:]]{5,16}$/p' words

sed 命令是：

/.../ 当我们有匹配的东西时
- ^...$ 整行只包含
  - [...] 的字符类：
    - [:alnum:] 字母数字字符
  - {5,16} 5 到 16 次
p 然后我们打印出来

【讨论】：

【解决方案2】：

基于匿名：

egrep '^[a-zA-Z0-9{other allowed characters here}]{4,16}$'

【讨论】：

【解决方案3】：

perl -ne "print if /^[a-zA-Z0-9{other allowed characters here}]{4,16}$/"

【讨论】：