ファイルから単語をどのように解析しますか？

こんにちは、このようなファイルがあるとしましょう

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

これを次のようなクリーンなリストに変換するにはどうすればよいですか

jack
John
joe
Jen
Tom
Tim
Richard

エドワードがリストにないことに注意してください

Linuxコマンドを使用していますか？おそらくgrepおよび/またはsed

egrep -o '[A-Za-z](.*[A-Za-z])?' < infile | egrep -o '[A-Za-z]+' > outfileあなたの例を試してみてください。

最初の部分は名前のようなもの（文字で始まり、文字で終わる必要がありますが、それらの間に何かが含まれる場合があります）を選択し、2番目のegrep部分はすべて文字である名前だけにフィルターをかけます。

これを見ると、これらの式が失敗し、正確なものと完全に一致しない入力を作成する方法に関するいくつかの道がすでにあります（まあ、これは書かれているとおりに一致しますが、あなたは曖昧さを残しました-方法処理する必要..Richard..<Tim?..がありますか？）、しかし、入力データに基づいてこれをまとめるのは簡単でした-シェルスクリプトは、多くの場合、すべての可能な入力に対して数学的な正確さは約100％未満ですが、入力ドメインを知って、式と処理しなければならない入力に対して十分に機能するコマンド。

正規表現^[^a-zA-Z]*([a-zA-Z]+)[^a-zA-Z]*$は機能するはずです。

1. ^ 行頭に一致
2. [^a-zA-Z]* ゼロ個以上の非文字の出現に一致します
3. [a-zA-Z]+ 文字の1回以上の出現に一致します
4. [^a-zA-Z]* ゼロ個以上の非文字の出現に一致します
5. $ 行末に一致

したがって、行の先頭と後続の非文字を無視し、最初の文字と最後の文字の間に非文字がない場合にのみ一致します。

かっこは、キャプチャグループを示します。キャプチャグループは、抽出して印刷する部分です。私はもともとこれを書いて.NET用にテストしましたが、ここにsedコマンドがあります。どのようにsed機能するかを聞かないでください。

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

印刷する代わりに、出力ファイルに直接書き込むことができます。

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

grep -o '[[:alpha:]]\+'すべての「単語」を抽出するために使用します。

jack
john
joe
Jen
Tom
Edwa
rd
Tim
Richard

どれが名前で、どれが単なる文字のシーケンスであるかを判断するのはあなた次第です。