Grep 表达式过滤掉 [alnum][punct][alnum] 形式的行
Grep expression filter out lines of the form [alnum][punct][alnum]
大家好，我的第一个 post 是为了我认为很简单的事情......
我没能找到类似的例子 problem/solution。
我有数千个文本文件，其中包含数千行内容，格式为
<word><space><word><space><number>
示例：
example for 1
useful when 1
for. However 1
,boy wonder 1
,hary-horse wondered 2
在上面的示例中，我想排除第 3 行，因为它包含内部标点符号
我正在尝试使用 GNU grep 2.25，但运气不好
我最初的尝试是（但是这不允许模式内部的“-”）：
grep -v [:alnum:]*[:punct:]*[:alnum:]* filename
所以尝试了这个
grep -v [:alnum:]*[:space:]*[!]*["]*[#]*[$]*[%]*[&]*[']*[(]*[)]*[*]*[+]*[,]*[.]*[/]*[:]*[;]*[<]*[=]*[>]*[?]*[@]*[[]*[\]*[]]*[^]*[_]*[`]*[{]*[|]*[}]*[~]*[.]*[:space:]*[:alnum:]* filename
但是我需要考虑空格和 - 因为这些在字符串内部是可以接受的。
我一直在尝试使用 :punct" 集，但现在看到它包含 - 很明显那是行不通的
我目前在 TSQL 中有一个存储过程来处理这些，但是如果可能的话我更愿意在加载之前进行预处理，因为例程每个文件需要几秒钟。
有人能做到类似的事情吗？
您的正则表达式包含一长串有序的可选元素，但这意味着如果出现乱序，它将失败。例如，
[!]*[?]*
将捕获 !? 但不会捕获 ?! （当然，包含单个字符的字符 class 只等同于该单个字符，因此您不妨说 !*?*).
您可以改用单个字符 class，其中包含您要捕获的所有符号。一旦您在字母数字字符旁边看到一个，您就完成了，因此您不需要正则表达式匹配整个输入行。
grep -v '[[:alnum:]][][!"#$%&'"'"'()*+,./:;<=>?@\^_`{|}~]' filename
还要注意表达式需要如何用单引号引起来，以便 shell 不会干扰此处的许多元字符。为了使单引号字符串包含文字单引号，我暂时分成双引号字符串；参见 here 的解释（我称之为 "seesaw quoting"）。
在一个字符class中，如果class需要包含]，则需要在枚举列表的开头；为了对称和成语，我也把[移到了旁边
此外，正如 Jonathan Leffler 所指出的，POSIX 字符 class 名称需要位于字符 class 内；所以要匹配属于 [:alnum:] 命名集的一个字符，你说 [[:alnum:]]。 （这意味着您可以组合集合，因此 [-[:alnum:].] 涵盖字母数字加上破折号和句点。）
如果您需要将其限制为仅匹配第一个字段，请将 [[:alnum:]] 更改为 ^[[:alnum:]]\+。
没有意识到 a*b*c* 匹配 任何东西 是一个常见的新手错误。您希望避免编写所有元素都是可选的表达式，因为它会匹配所有可能的字符串。专注于您想要匹配的内容（在您的情况下是一长串标点符号），然后如果确实需要，可以在其周围添加可选的上下文；但是您需要的这些越少，它就会越快 运行，也就越容易看到它的作用。作为一个快速的经验法则，a*bc* 实际上精确地等同于 b——前导或尾随的可选表达式也可以不指定，因为它们不会影响将要匹配的内容。
从表面上看，您正在寻找 'word space word space number' 架构，假设 'word' 是 'one alphanumeric optionally followed by zero or one occurrences of zero or more alphanumeric or punctuation characters and ending with an alphanumeric'，并且 'space' 是 'one or more spaces' 并且'number' 是 'one or more digits'.
根据 grep -E（又名 egrep）：
grep -E '[[:alnum:]]([[:alnum:][:punct:]]*[[:alnum:]])?[[:space:]]+[[:alnum:]]([[:alnum:][:punct:]]*[[:alnum:]])?[[:space:]]+[[:digit:]]+'
包含：
[[:alnum:]]([[:alnum:][:punct:]]*[[:alnum:]])?
检测带有任何标点符号并被字母数字包围的单词，并且：
[[:space:]]+
[[:digit:]]+
查找一个或多个空格或数字。
使用稍微扩展的数据文件，这会产生：
$ cat data
example for 1
useful when 1
for. However 1
,boy wonder 1
,hary-horse wondered 2
O'Reilly Books 23
Coelecanths, Dodos Etc 19
$ grep -E '[[:alnum:]]([[:alnum:][:punct:]]*[[:alnum:]])?[[:space:]]+[[:alnum:]]([[:alnum:][:punct:]]*[[:alnum:]])?[[:space:]]+[[:digit:]]+' data
example for 1
useful when 1
,boy wonder 1
,hary-horse wondered 2
O'Reilly Books 23
Coelecanths, Dodos Etc 19
$
它根据需要删除了 for. However 1 行。
大家好，我的第一个 post 是为了我认为很简单的事情......
我没能找到类似的例子 problem/solution。
我有数千个文本文件，其中包含数千行内容，格式为
<word><space><word><space><number>
示例：
example for 1
useful when 1
for. However 1
,boy wonder 1
,hary-horse wondered 2
在上面的示例中，我想排除第 3 行，因为它包含内部标点符号
我正在尝试使用 GNU grep 2.25，但运气不好
我最初的尝试是（但是这不允许模式内部的“-”）：
grep -v [:alnum:]*[:punct:]*[:alnum:]* filename
所以尝试了这个
grep -v [:alnum:]*[:space:]*[!]*["]*[#]*[$]*[%]*[&]*[']*[(]*[)]*[*]*[+]*[,]*[.]*[/]*[:]*[;]*[<]*[=]*[>]*[?]*[@]*[[]*[\]*[]]*[^]*[_]*[`]*[{]*[|]*[}]*[~]*[.]*[:space:]*[:alnum:]* filename
但是我需要考虑空格和 - 因为这些在字符串内部是可以接受的。
我一直在尝试使用 :punct" 集，但现在看到它包含 - 很明显那是行不通的
我目前在 TSQL 中有一个存储过程来处理这些，但是如果可能的话我更愿意在加载之前进行预处理，因为例程每个文件需要几秒钟。
有人能做到类似的事情吗？
您的正则表达式包含一长串有序的可选元素，但这意味着如果出现乱序，它将失败。例如，
[!]*[?]*
将捕获 !? 但不会捕获 ?! （当然，包含单个字符的字符 class 只等同于该单个字符，因此您不妨说 !*?*).
您可以改用单个字符 class，其中包含您要捕获的所有符号。一旦您在字母数字字符旁边看到一个，您就完成了，因此您不需要正则表达式匹配整个输入行。
grep -v '[[:alnum:]][][!"#$%&'"'"'()*+,./:;<=>?@\^_`{|}~]' filename
还要注意表达式需要如何用单引号引起来，以便 shell 不会干扰此处的许多元字符。为了使单引号字符串包含文字单引号，我暂时分成双引号字符串；参见 here 的解释（我称之为 "seesaw quoting"）。
在一个字符class中，如果class需要包含]，则需要在枚举列表的开头；为了对称和成语，我也把[移到了旁边
此外，正如 Jonathan Leffler 所指出的，POSIX 字符 class 名称需要位于字符 class 内；所以要匹配属于 [:alnum:] 命名集的一个字符，你说 [[:alnum:]]。 （这意味着您可以组合集合，因此 [-[:alnum:].] 涵盖字母数字加上破折号和句点。）
如果您需要将其限制为仅匹配第一个字段，请将 [[:alnum:]] 更改为 ^[[:alnum:]]\+。
没有意识到 a*b*c* 匹配 任何东西 是一个常见的新手错误。您希望避免编写所有元素都是可选的表达式，因为它会匹配所有可能的字符串。专注于您想要匹配的内容（在您的情况下是一长串标点符号），然后如果确实需要，可以在其周围添加可选的上下文；但是您需要的这些越少，它就会越快 运行，也就越容易看到它的作用。作为一个快速的经验法则，a*bc* 实际上精确地等同于 b——前导或尾随的可选表达式也可以不指定，因为它们不会影响将要匹配的内容。
从表面上看，您正在寻找 'word space word space number' 架构，假设 'word' 是 'one alphanumeric optionally followed by zero or one occurrences of zero or more alphanumeric or punctuation characters and ending with an alphanumeric'，并且 'space' 是 'one or more spaces' 并且'number' 是 'one or more digits'.
根据 grep -E（又名 egrep）：
grep -E '[[:alnum:]]([[:alnum:][:punct:]]*[[:alnum:]])?[[:space:]]+[[:alnum:]]([[:alnum:][:punct:]]*[[:alnum:]])?[[:space:]]+[[:digit:]]+'
包含：
[[:alnum:]]([[:alnum:][:punct:]]*[[:alnum:]])?
检测带有任何标点符号并被字母数字包围的单词，并且：
[[:space:]]+
[[:digit:]]+
查找一个或多个空格或数字。
使用稍微扩展的数据文件，这会产生：
$ cat data
example for 1
useful when 1
for. However 1
,boy wonder 1
,hary-horse wondered 2
O'Reilly Books 23
Coelecanths, Dodos Etc 19
$ grep -E '[[:alnum:]]([[:alnum:][:punct:]]*[[:alnum:]])?[[:space:]]+[[:alnum:]]([[:alnum:][:punct:]]*[[:alnum:]])?[[:space:]]+[[:digit:]]+' data
example for 1
useful when 1
,boy wonder 1
,hary-horse wondered 2
O'Reilly Books 23
Coelecanths, Dodos Etc 19
$
它根据需要删除了 for. However 1 行。