删除带有非乌克兰字符bash的字符串

Question

使用文件结构

foo_11: "Марія"
foo_112: "Superman"
FOOTLONG: "Subway"
foo_13: "Юлія"

我想从乌克兰字母表中删除所有没有至少一个字符的字符串。

脚本：

for i in *.txt;
do 
 sed '/[^А-ЯЄЇІа-яєїі]+/d' $i >$i.out
 mv $i.out $i
done

什么都不做。怎么了？

使用 mac bash。

Answer 1

此代码将实现您想要的（如果我正确理解了您的问题）：

grep -i "Я\|Є\|Ї\|І" /folder/file >> /tmp/result

结果存储在/tmp/result

注意：我不懂乌克兰语，所以我确定我没有包含所有乌克兰语字符，请添加/删除要匹配到上述结构的乌克兰语字符。

注意2：由于grep -i，此代码不区分大小写，因此您只需添加一次字符（小写或大写）。

把它放在你的循环中可能是：

for i in *.txt;
do
grep -i "Я\|Є\|Ї\|І" "$i" > "$i".out
mv "$i".out "$i"
done

编辑：我编辑了这个答案以使其更简单，并为其添加一个循环。

Answer 2

假设您定义乌克兰字母的字符类是正确的，以下应该可以工作：

sed '/[А-ЯЄЇІа-яєїі]/!d' file

• [А-ЯЄЇІа-яєїі] 匹配行中任意位置的乌克兰字母。
  • 请注意，即使是 看起来 像 ASCII 字母 A I a i 的字母实际上也是带有 Unicode 代码点 U+410 U+406 U+430 U+456 的 乌克兰（西里尔文）字母。
• ! 否定匹配，这意味着只有 not 包含至少 1 个乌克兰字母的行匹配。
• d 删除这些行。

把它们放在一起：

for f in *.txt; do 
  sed -i '' '/[А-ЯЄЇІа-яєїі]/!d' "$f"    # -i '' is BSD Sed syntax; GNU sed takes just -i
done

---

至于你的尝试：

• 正如@StefanHegny 在对该问题的评论中指出的那样，当sed 不 与-E 一起运行以启用 时，不支持+扩展的正则表达式；没有-E，就必须使用繁琐的\{1,\}。 （\+ 仅受 GNU sed 支持，macOS 附带的 sed 的 BSD 版本不支持。

• 但是，即使是您的命令的固定版本 sed '/[^А-ЯЄЇІа-яєїі]\{1,\}/d'，也不会执行您想要的操作：它会删除包含至少一个非乌克兰字母字符的所有行 ，这会消除所有您的输入行，因为它们都具有基于 ASCII 的字段名称并包含 :。

• 您应该用双引号引用变量引用，例如 $i，以保护它们免受 shell 扩展："$i"

• BSD Sed 确实支持使用 -i 进行就地更新，但是 - 与 GNU Sed 不同 - 它需要指定一个空的选项参数（表示不应备份输入文件）单独的参数：-i ''.

  • 您的 write-to-a-temp-file-first-then-replace-the-original 方法也有效，但通常最好使用以下成语：sed ... file > file.tmp && mv file.tmp file。将mv 命令与&& 分开可确保仅当sed 命令成功时才会替换原始文件。
    也就是说，这对解决当前案例中的逻辑错误没有帮助：尽管没有输出任何内容，sed 在这种情况下报告成功。