修改 `sed` 以从字符串中删除确切的标签答案

【问题标题】：modify `sed` to remove exact tag from within a string修改 `sed` 以从字符串中删除确切的标签
【发布时间】：2017-01-20 22:01:28
【问题描述】：

我正在尝试使用grep 和sed 删除我的数据上的变量标签。我拥有的数据如下所示：

Please_VB make_VB it_PRP in_IN a_DT range_NN of_IN colored_JJ and_CC precise_JJR Skin_NN tone_NN shades_VBZ

我的目标是只提取标签为_NNS、_NNP、_NN、_JJ 和_JJR 的单词。对于期望的结果：

range
colored
precise
skin
tone

我现在使用的grep 和sed 如下：

grep -oh "\w*_\(JJ\|NN\)\w*" test_file.txt | sed 's/[_JJ\|_NN\|_JJR\|_NNP\|_NNS]//g'

然而，该命令行的结果是：

range
colored
precise
kin
tone

它使用grep 正确提取了正确的单词，但sed 正在删除所有对应的字母，而不仅仅是_NX 或_JX 的确切标签。有什么方法可以使sed 更精确地只删除指定的确切标签而不是标签内的任何字母？

【问题讨论】：

【解决方案1】：

您可以将 POSIX grep（不支持 -P 选项）与 cut 一起使用：

grep -Eo '\w*_(NN[PS]?|JJR?)' file | cut -d_ -f1

range
colored
precise
Skin
tone

cut 用于去掉第一个下划线之后的部分。

【讨论】：

【解决方案2】：

您可以使用 grep 和带有前瞻功能的 PCRE 正则表达式提取这些值：

grep -oP "\w+(?=_(JJR?|NN[PS]?))"
             ^^^^^^^^^^^^^^^^^^

详情：

\w+ - 1 个或多个单词字符（字母、数字或下划线）...
(?=_(JJR?|NN[PS]?)) - 后面跟着
- _ - 下划线和...
- (JJR?|NN[PS]?) - JJ、JJR、NN、NNP 或 NNS 子字符串。

-oP 中的 P 选项将强制使用 PCRE egnine，而o 将只为您提供匹配项。

【讨论】：